-
题名融入概率矩阵分解模型的改进二部图推荐算法
- 1
-
-
作者
甘沛露
宋一豪
朱晓雄
周支立
-
机构
西安交通大学管理学院
-
出处
《运筹与管理》
北大核心
2025年第1期1-7,I0001-I0002,共7页
-
基金
国家自然科学基金资助项目(71971168)。
-
文摘
针对历史数据稀疏和分布不均衡影响二部图算法推荐效果的问题,一方面通过带约束的概率矩阵分解模型预测项目评分,设置权重对初始评分数据矩阵进行填充以扩充数据;另一方面,在传统二部图推荐算法的研究基础上,通过修正用户评分标准、融入时间效应因素、扩充用户评分信息,从而改进资源初始配置和分配方式以充分利用历史数据,实现对二部图推荐算法进行改进。最后,使用推荐算法领域常用的MovieLens数据集采用五折交叉验证的方式进行实验,并与传统二部图推荐算法进行比较。实验结果表明,每一步改进都提高了二部图算法的推荐效果,并且二部图算法与概率矩阵分解模型结合后,算法的推荐效果有显著提升。
-
关键词
二部图推荐算法
数据稀疏性
概率矩阵分解
矩阵填充
-
Keywords
graph recommendation algorithm
data sparsity
probabilistic matrix factorization
matrix filling
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
