-
题名融合核密度估计和奇异值分解的多样化推荐算法
被引量：5
- 1
-
-
作者
李卫疆
罗潘虎
-
机构
昆明理工大学信息工程与自动化学院
-
出处
《小型微型计算机系统》
CSCD
北大核心
2020年第1期56-60,共5页
-
基金
地区科学基金项目(61363045)资助
-
文摘
现今的推荐算法大多以提高推荐列表准确率为目标,而对推荐的多样性考虑较少,这样会导致推荐结果新颖性不强,在考虑多样性的时候又会降低准确率.本文提出了一种融合兴趣分布与奇异值分解的多样化推荐算法(KDE-SVD),首先使用核密度估计的方式估计用户兴趣分布,得出用户在兴趣分布上相似的邻居,并使用兴趣分布上相似的邻居的评分对当前用户未评分的物品进行预评分,然后将上一步得到的预评分填入用户-评分矩阵,进行SVD分解,此时获取推荐列表即包含了兴趣相似邻居预评分而来的物品,保证推荐列表的多样性,也有SVD分解而得的行为相似邻居的物品,保证推荐列表的准确率.在实验数据集上实验表明,该本文算法能保证准确率的的情况下充分提高推荐多样性.
-
关键词
核密度估计
用户兴趣分布
奇异值分解
多样化推荐
推荐系统
-
Keywords
kernel density estimation
user interest distribution
singular value decomposition
diversified recommendation
recommender systems
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于图采样的多样性需求感知推荐模型
- 2
-
-
作者
徐建民
鲁平
张雄涛
-
机构
河北大学网络空间安全与计算机学院
-
出处
《计算机应用研究》
2025年第9期2660-2668,共9页
-
基金
国家社会科学基金资助项目(23BTQ092)。
-
文摘
现有多样化推荐方法忽视个体多样性需求差异,导致推荐结果多样性适配不足。针对该问题提出基于图采样的多样性需求感知推荐模型,通过感知多样性需求强度与图结构优化实现个性化推荐多样性。该方法首先基于时间衰减加权的项目差异度量化用户多样性需求强度。其次,提出基于多样性需求强度的自适应图采样策略,利用用户多样性需求强度确定采样次数。通过贪心算法迭代选择邻域中差异性最高的节点,构建多样性需求感知子图用于图学习。然后,使用图神经网络从多样性需求感知子图中学习用户的多样化兴趣表示。最后,通过点积运算预测用户与候选项目间的交互概率,实现多样化推荐。实验部分采用两个公开数据集进行验证,所提模型在准确性指标上提升了约3%,在多样性指标上提升了约5%。结果表明,考虑用户多样性需求可以有效实现更好的准确性-多样性权衡。
-
关键词
图采样
多样化推荐
多样性需求
图神经网络
-
Keywords
graph sampling
diversified recommendation
diversity needs
graph neural network
-
分类号
TP391.3
[自动化与计算机技术]
-
