基于时间的局部低秩张量分解的协同过滤推荐算法

摘要：

传统的推荐模型是静态的,忽略了时间因素.部分推荐算法虽然将时间因素考虑在内,但只是简单使用最近的数据或者降低过去数据的权重,这样可能会造成有用信息的丢失.针对这一问题,提出了一种考虑时间因素的局部低秩张量分解推荐算法.在传统的推荐算法的基础上,放松用户对项目的评分矩阵是低秩的这一假设,认为整个评分矩阵可能不是低秩的而是局部低秩的,即特定用户项目序偶的近邻空间是低秩的;同时又考虑时间因素,把评分矩阵看作是用户、项目和时间3个维度的张量,将传统的推荐算法延伸到张量领域.实验表明,所提算法能显著提升排名推荐性能.

关键词：推荐系统、时间因素、张量分解、局部低秩

所属期刊栏目：44

分类号：TP311(计算技术、计算机技术)

资助基金：国家自然科学基金61672086;河南省科技计划项目172102210454;信阳师范学院青年骨干教师计划2016GGJS-08

在线出版日期：2017-08-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：227-231