基于二部网络表示学习的矩阵分解推荐算法

摘要：

矩阵分解算法广泛应用于推荐系统.然而,其性能往往受到数据稀疏性和数据高维度的影响,且较少考虑项目的内容信息.针对上述问题,提出一种联合二部网络表示学习的矩阵分解推荐算法(BiN RM F).首先,利用评分信息和项目的标签信息构建两个二部网络;然后,通过二部网络的表示学习算法得到用户和项目的低维向量表示,用以计算用户之间和项目之间的相似性;最后,改进传统矩阵分解模型,融入低维向量空间中用户的相似关系和项目的相似关系.在GoodBooks和M ovieLens数据集上的实验结果表明,与经典的推荐算法相比,联合二部网络表示学习的矩阵分解推荐算法的预测精度有显著提升.

关键词：推荐系统、协同过滤、二部网络、网络表示学习、矩阵分解

所属期刊栏目：26

分类号：TP393(计算技术、计算机技术)

资助基金：深圳市创客专项资金计划资助项目;安徽省高校自然科学研究重点资助项目;安徽大学博士科研启动资助项目

在线出版日期：2020-07-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1557-1563