-
题名基于分布多样性的智能推荐两阶段模型与求解方法
- 1
-
-
作者
刘久兵
叶锦鹏
许晓燕
谭欢欢
李华雄
黄兵
-
机构
汕头大学商学院
汕头大学数学与计算机学院
南京大学工程管理学院
南京审计大学计算机学院
-
出处
《南京理工大学学报》
北大核心
2025年第3期310-324,共15页
-
基金
国家自然科学基金(62106135)
广东省自然科学基金(2023A1515011390
2025A1515010167)。
-
文摘
智能推荐作为筛选有效信息的重要工具,广泛应用于电子商务等领域。现有智能推荐优化模型主要通过分布多样性参数平衡推荐准确性和分布多样性,缺乏参数确定方法且忽视了项目重要性和错误推荐的决策代价。为此,该文提出基于分布多样性的智能推荐两阶段模型与求解方法。首先,构建考虑分布多样性和项目重要性的第1阶段模型,旨在确定差异化分布多样性参数;其次,采用奇异值分解++(SVD++)预测用户-项目的未知评分,进而基于第1阶段模型,引入决策代价约束,建立最大化推荐准确性的第2阶段模型;再次,针对第1阶段模型,设计基于代价-收益的迭代算法,并证明其可快速获得最优解;最后,对于第2阶段模型,设计基于拉格朗日对偶次梯度的求解算法。在4个数据集上进行数值实验,验证了基于代价-收益算法的高效性,并通过与Gurobi及2种最新算法的对比实验,说明了拉格朗日对偶次梯度算法的优越性。
-
关键词
智能推荐模型
分布多样性
项目重要性
拉格朗日松弛
-
Keywords
intelligent recommendation models
distributional diversity
item significance
Lagrangian relaxation
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
