基于填充先验约束的矩阵分解算法

摘要：

尽管现有的社会推荐方法,特别是基于矩阵分解的社会推荐方法,取得了一定的推荐效果,但这些方法使用评分数据空间的用户偏好去约束社交关系数据空间的用户偏好,而这两种用户偏好却处于不同的数据空间,这限制了推荐模型的准确性.为解决这个问题,提出一种使用填充数据的偏好来约束评分数据偏好的学习过程的方法.该方法首先设计一个算法生成填充数据,然后,在概率矩阵分解的过程中约束填充数据偏好的先验分布服从评分数据偏好的先验分布.在四个真实数据集(TrustFilm,Ciao,MovieLens 1m和Jester)上测试的结果表明,提出方法的推荐效果比现有的代表性方法都要好,为概率矩阵分解模型中先验约束的研究提供了新思路.

关键词：推荐系统、协同过滤、数据稀疏性、社会推荐、概率矩阵分解、填充数据、用户偏好、先验约束

所属期刊栏目：57

分类号：TP39(计算技术、计算机技术)

资助基金：国家自然科学基金;江苏省自然科学基金

在线出版日期：2021-06-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：197-207