典型文献
基于用户时点可见性的无趣项挖掘及协同过滤推荐方法
文献摘要：
[目的]解决基于显式反馈信息的协同过滤算法无法处理数据稀疏性和用户选择偏差影响的问题.[方法]根据看见但未交互的项目表现用户的负面偏好,结合用户活跃度、项目流行度和时间因素综合衡量用户对项目的可见性.引入使用前偏好的概念,构建基于用户时点可见性的加权矩阵分解模型以识别缺失数据中用户不感兴趣的项目,并将其填充为低值.[结果]通过在MovieLens两个数据集的实验表明,经过基于无趣项挖掘与低值填充的数据填充算法(UIMLF)填充后,ItemCF和BiasSVD的推荐精度平均提升2～2.5倍.[局限]仅依据"看见未交互"的项目表现用户负面偏好的经验对使用前偏好建模,可能存在经验偏差.[结论]所提方法能有效缓解数据稀疏性和用户选择偏差的影响,使推荐结果更准确.
文献关键词：
协同过滤;显式反馈;选择偏差;使用前偏好;无趣项
中图分类号：
作者姓名：
石磊;李树青
作者机构：
南京财经大学信息工程学院 南京210023
文献出处：
引用格式：
[1]石磊;李树青-.基于用户时点可见性的无趣项挖掘及协同过滤推荐方法)[J].数据分析与知识发现,2022(05):64-76
A类：
无趣项,使用前偏好,加权矩阵分解,UIMLF,BiasSVD
B类：
时点,可见性,协同过滤推荐,推荐方法,显式反馈,反馈信息,协同过滤算法,数据稀疏性,用户选择,选择偏差,偏差影响,看见,未交,项目表,现用,用户活跃度,项目流行度,时间因素,分解模型,缺失数据,不感兴趣,低值,MovieLens,填充算法,ItemCF,推荐精度,解数
AB值：
0.288859
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
