10.3969/j.issn.1000-3428.2017.11.031
基于用户近邻的N维张量分解推荐算法
基于张量分解的推荐算法存在推荐精度较低和数据稀疏的问题.为此,在传统的张量分解模型基础上,引入用户近邻信息,提出一种新的N维张量分解算法.利用上下文感知信息,把隐式反馈信息作为张量的第3维度,以建立N维张量分解模型,为进一步提高推荐质量,加入用户近邻信息来优化N维张量分解模型,以提高张量分解推荐算法的准确率.实验结果表明,融合用户近邻的张量分解推荐算法比传统的张量分解算法具有更好的准确性,能有效解决稀疏性和准确性问题.
协同过滤算法、反馈信息、主成分分析、张量分解、推荐算法
43
TP391(计算技术、计算机技术)
2017-12-14(万方平台首次上网日期,不代表论文的发表时间)
共5页
193-197