10.19734/j.issn.1001-3695.2019.02.0038
基于偏置度量分解与隐反馈的协同过滤推荐算法
矩阵分解由于其简单可靠的特性,是推荐系统中最重要的算法之一,由于内积无法完全捕捉用户和商品间的交互,矩阵分解的性能难以继续提升.为了解决这个问题,改进了基础的距离度量分解模型,提出了基于偏置度量分解与隐反馈的协同过滤推荐算法,并对用户评分时间动态建模,进一步提升了模型性能.针对推荐系统中最常见的评分预测任务,分别在三个数据集上进行实验验证,实验结果表明所提出的模型的预测准确率有明显提升.
推荐系统、矩阵分解、度量学习、隐反馈、协同过滤
37
TP301.6(计算技术、计算机技术)
2020-10-14(万方平台首次上网日期,不代表论文的发表时间)
共5页
2288-2291,2296