基于直觉模糊集的伯努利矩阵分解推荐算法

摘要：

现有的基于矩阵分解的协同过滤推荐算法主要从定量的角度,利用用户的评分信息评估模型表现,而并未从定性的角度描述用户的不确定偏好信息.鉴于此,从用户偏好模糊概率的角度提出一种基于直觉模糊集的伯努利矩阵分解推荐算法为目标用户进行Top-n推荐.首先,根据用户偏好特征和直觉模糊集定义,将用户评分矩阵划分为隶属度矩阵、非隶属度矩阵和犹豫度矩阵;然后,借助伯努利矩阵分解模型对矩阵并行拟合,得到最优的潜在特征向量对,并将其内积按比例划分,从而获得目标用户对未评分项目偏好程度的直觉模糊数;最后,根据直觉模糊数排序规则确定最终推荐列表.在公开数据集上的实验结果显示,所提出方法在项目排序指标上均优于其对比方法,能够有效提高推荐质量.

关键词：直觉模糊集、伯努利分布、矩阵分解、推荐算法

所属期刊栏目：38

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;教育部人文社会科学研究项目;天津市哲学社会科学研究规划项目

在线出版日期：2023-10-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：2897-2904