关于用户踪迹融合协同过滤推荐的仿真研究

摘要：

用户踪迹估测对于智能产品的偏好预测,数据推荐,以及服务优化等方面有重要意义,由于输入数据的严重稀疏特性,现有矩阵分解方法很难全面准确提取出用户踪迹信息.提出了基于聚类操作的融合协同过滤推荐方法.方法首先针对输入矩阵的稀疏特性,利用拉普拉斯变换与归一化处理,将输入矩阵转换为求解最小特征矩阵,并完成聚类处理.然后针对余弦距离计算相似度时可能产生的偏差,引入结构因子,同时分析了用户踪迹与时间关系,引入时间因子与时间间隔因子,根据衰减系数控制不同时期数据的影响度.最后为提高聚类数据的利用率,引入隐式反馈,利用正则表达式,对协同过滤处理时的参数进行限定,防止过拟合现象出现,并根据损失函数动态监测和调整对用户踪迹的估测.通过仿真结果,表明融合协同过滤推荐方法能够有效处理输入的稀疏矩阵,避免余弦距离计算相似度时的偏差问题,提高原始数据利用率,有效提高了用户踪迹的估测和推荐准确度.

关键词：用户踪迹、聚类操作、融合多因子、协同过滤、稀疏数据

所属期刊栏目：37

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目;河南省高等学校重点科研项目;河南省科技攻关项目

在线出版日期：2020-08-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：422-425,454