基于差值矩阵分解的推荐算法

摘要：

矩阵分解已经成为预测用户对物品评分的一种常用方法.传统的矩阵分解技术没有考虑到用户评分之间的差异性,针对上述问题在矩阵分解的基础上,提出差值矩阵分解模型.算法将每个用户对物品的评分减去与其社会属性相似用户对该物品评分的平均分,得到一个差值矩阵,然后对差值矩阵进行分解.在Movielens 1M数据集的实验结果表明,该算法的预测精度较贝叶斯概率矩阵分解、矩阵分解、融合用户属性的隐语义模型都有较为明显的提升.

关键词：推荐算法、矩阵分解、差值矩阵分解

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目60970065,61272018,61572367

在线出版日期：2018-04-26（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：69-72,77