基于用户聚类和移动上下文的矩阵分解推荐算法研究

摘要：

随着移动互联网技术的快速发展,越来越多的用户通过移动设备获取移动信息和服务,导致信息过载问题日益凸出.针对目前上下文感知推荐算法中存在的数据稀疏性差、上下文信息融入不够、用户相似性度量被忽略等问题,提出一种基于用户聚类和移动上下文的矩阵分解推荐算法.该算法通过利用k-means对用户聚类找到偏好相似的用户簇,求出每簇中并对用户所处上下文之间的相似度并对其进行排序,由此找出与目标用户偏好和上下文均相似的用户集合,借助该集合改进传统矩阵分解模型损失函数,并以此为基准进行评分预测和推荐.仿真实验结果表明,所提算法可有效提高预测评分的准确度.

关键词：聚类、上下文信息、矩阵分解、推荐

所属期刊栏目：45

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6167060382,61379158

在线出版日期：2018-06-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：215-219,251