MFWT:一种推荐学术论文的混合模型

摘要：

为了改善概率矩阵分解模型进行学术论文推荐时存在的数据稀疏性和冷启动问题,提出了一种混合推荐模型——主题矩阵分解模型.通过提出的作者-会议-时间-主题模型和传统的潜在狄利克雷分布主题模型分别构建用户和论文的主题特征,并通过这2类特征分别增强概率矩阵分解模型的用户潜在因子特征向量和项目潜在因子特征向量.实验结果表明,该模型较好地解决了概率矩阵分解模型的数据稀疏性问题和冷启动问题,有效提升了学术论文的推荐效果.

关键词：概率矩阵分解、主题模型、混合推荐模型、数据稀疏性

所属期刊栏目：39

分类号：TN391(半导体技术)

资助基金：国家自然科学基金项目61471060

在线出版日期：2016-11-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：24-29