通知公告
交大新闻
12 现在的位置：首页 > 期刊导读 > 2016 > 12 >
混合因子矩阵分解推荐算法
【作者】 赵长伟 彭勤科 张志勇 西安交通大学电子与信息工程学院 西安710049 河南科技大学信息工程学院 河南洛阳471023
【关键词】 推荐算法 矩阵分解 混合因子 推荐解释 冷启动
【摘要】针对矩阵分解推荐算法在潜在属性与已知属性之间不能建立对应关系的问题,提出了一种混合显式属性与隐式属性的矩阵分解算法。该算法使用显式属性的相关性对因子矩阵进行约束,能够抑制稀疏数据矩阵分解中过拟合的问题,提高推荐精度;由于因子矩阵中包含显式属性,混合因子矩阵分解算法可以实现对新用户和新产品推荐,部分解决冷启动问题;该算法实现了从评分数据到显式属性的映射,对推荐结果能够给出一定的解释。在Movie Lens数据集上的实验结果表明：在相同因子数目的情况下,混合因子矩阵分解算法的推荐精度均优于BPMF算法,并能够基于显式属性实现对新产品的推荐。
© 2015 《西安交通大学学报》编辑部 地址：西安市咸宁西路28号 邮编：710049
互联网备案号：陕ICP备07500839号