典型文献
融合多权重因素的低秩概率矩阵分解推荐模型
文献摘要：
针对个性化推荐精度较低、对冷启动敏感等问题,该文提出一种融合多权重因素的低秩概率矩阵分解推荐模型MWFPMF.模型利用给定的社交网络构建信任网络,借助Page rank算法和信任传递机制求取用户间信任度;基于Page rank计算用户社会地位,利用活动评分和评分时间修正用户间关系权重;引入词频-逆文本频率技术(TF-IDF)求取用户标签,通过标签相似性表征用户间同质性;将用户间信任度、用户社会地位影响力和用户同质性3因素融入低秩概率矩阵分解中,从而使用户偏好和活动特征映射到同一低秩空间,实现用户-活动评分矩阵的分解,在正则化约束下,最终完成低秩特征矩阵对用户评分缺失的有效预测.利用豆瓣同城北京和Ciao数据集确定各模块的参数设置值.通过仿真对比实验可知,本推荐模型获得了较高的推荐精度,与其他5种传统推荐算法相比,平均绝对误差至少降低了6.58％,均方差误差至少降低了6.27％,与深度学习推进算法相比,推荐精度基本接近;在冷启动用户推荐上优势明显,与其他推荐算法相比,平均绝对误差至少降低了0.89％,均方差误差至少降低了3.01％.
文献关键词：
推荐算法;低秩概率矩阵分解;用户信任度;社会地位影响力;同质性;正则化约束
中图分类号：
作者姓名：
王丹;田广强;王福忠
作者机构：
黄河交通学院智能工程学院 焦作 454950;河南理工大学电气工程与自动化学院 焦作 454000
文献出处：
引用格式：
[1]王丹;田广强;王福忠-.融合多权重因素的低秩概率矩阵分解推荐模型)[J].电子与信息学报,2022(02):552-565
A类：
低秩概率矩阵分解,MWFPMF,社会地位影响力
B类：
推荐模型,个性化推荐,推荐精度,冷启动,社交网络,网络构建,信任网络,Page,rank,传递机制,求取,取用,用活,时间修正,正用,词频,TF,IDF,用户标签,征用,同质性,用户偏好,活动特征,特征映射,射到,现用,评分矩阵,正则化约束,特征矩阵,豆瓣,同城,城北,Ciao,参数设置,仿真对比,推荐算法,平均绝对误差,差误,动用,用户推荐,用户信任度
AB值：
0.305963
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。
