结合灰色预测的动态概率矩阵分解

摘要：

推荐系统的目标是找出符合用户喜好的物品,但是用户的喜好和物品的特征是动态变化的,这种变化会影响推荐系统的准确性.很多推荐系统只是简单的使用概率矩阵分解模型,缺乏对这个问题的有效解决.本文利用灰色系统理论中的灰色预测模型对用户和物品的动态性建模,继而提出了一个基于概率矩阵分解和灰色预测模型的动态推荐系统.首先,利用概率矩阵分解模型生成各个连续时间窗中用户和物品的隐式向量.接着,利用灰色预测模型得到未来时间窗中用户和物品的隐式向量,继而进行推荐.实验结果说明本文的算法能够有效地对用户和商品的动态性进行建模,且优于一些现存的最好的算法.

关键词：推荐系统、概率矩阵分解、灰色预测模型

所属期刊栏目：34

分类号：TP273(自动化技术及设备)

资助基金：National Natural Science Foundation61502543, 61573387;Guangzhou Program201508010032;Guangdong Natural Science Funds for Distinguished Young Scholar2016A030306014;Ph.D. Start-up Fund of Natural Science Foundation of Guangdong Province, China2014A030310180;Fundamental Research Funds for Central Universities16lgzd15

在线出版日期：2017-10-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：753-760