10.11896/j.issn.1002-137X.2016.9.051
基于联合概率矩阵分解的移动社会化推荐
利用移动设备上下文、移动社会化网络等信息进一步提高推荐系统的预测准确率,并缓解可能存在的数据稀疏性和冷启动问题,已经成为移动推荐系统的主要任务.采用基于矩阵分解的因子分析方法,结合用户、服务和用户社会化网络信息进行服务推荐,可以缓解数据稀疏性和冷启动问题;同时,为了增加信任矩阵密度,引入间接信任关系,提出了一种符合移动社会化网络特点的信任度计算方法,该方法仅利用移动社会化网络结构信息构建信任矩阵,从而减少用户对信任关系的主动标识.实验结果表明,引入间接信任关系能够提高预测精度,同时比传统的协同过滤算法和已有的一些矩阵分解方法具有更好的预测准确率,特别是在评分数据稀疏的情况下.
移动推荐、社会化推荐、矩阵分解、信任度、数据稀疏性
43
TP181(自动化基础理论)
浙江省重大科技专项重大工业项目2012C11026-2
2016-10-17(万方平台首次上网日期,不代表论文的发表时间)
共7页
255-260,265