期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于PMF进行潜在特征因子分解的标签推荐
被引量：
3
1
作者
刘胜宗
樊晓平
+1 位作者
廖志芳
吴言凤
《湖南大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2015年第10期107-113,共7页
现有社会标签推荐技术存在数据稀疏、时间复杂度高以及可解释性低等问题,鉴于此,提出基于概率矩阵分解(PMF)进行潜在特征因子联合分解的标签推荐算法(TagRec-UPMF),它结合用户、资源及标签3方面的潜在特征,联合构建对应的概率形式的潜...
现有社会标签推荐技术存在数据稀疏、时间复杂度高以及可解释性低等问题,鉴于此,提出基于概率矩阵分解(PMF)进行潜在特征因子联合分解的标签推荐算法(TagRec-UPMF),它结合用户、资源及标签3方面的潜在特征,联合构建对应的概率形式的潜在特征向量,然后根据它们两两之间的特征向量内积进行线性组合,从而产生Top-N推荐.该算法解决了数据规模大且稀疏情况下的精度问题,算法的线性复杂度使得其可用于大规模数据.实验结果表明,相比于TagRec-CF,PITF,TTD,Tucker,NMF等算法,本文算法既提高了推荐的准确率,又降低了时间损耗.与PITF算法相比较,准确率得到了提高,而处理时间相差不明显;与TTD算法相比较,在准确率相差不明显的情况下,大大降低了时间损耗.因此,本文的TagRec-UPMF算法相比其他算法表现出了一定的优势.
展开更多
关键词
协同过滤
潜在特征因子
标签推荐
推荐系统
概率矩阵分解
在线阅读
下载PDF
职称材料
题名
基于PMF进行潜在特征因子分解的标签推荐
被引量：
3
1
作者
刘胜宗
樊晓平
廖志芳
吴言凤
机构
中南大学信息科学与工程学院
湖南财政经济学院网络化系统研究所
中南大学软件学院
出处
《湖南大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2015年第10期107-113,共7页
基金
国家科技支撑计划资助项目(2012BAH08B00)
国家自然科学基金资助项目(61073105)
+2 种基金
国家自然科学青年基金资助项目(61202095)
计算机应用技术湖南省'十二五'重点建设学科资助项目
信息技术与信息安全湖南省普通高等学校重点实验室资助项目~~
文摘
现有社会标签推荐技术存在数据稀疏、时间复杂度高以及可解释性低等问题,鉴于此,提出基于概率矩阵分解(PMF)进行潜在特征因子联合分解的标签推荐算法(TagRec-UPMF),它结合用户、资源及标签3方面的潜在特征,联合构建对应的概率形式的潜在特征向量,然后根据它们两两之间的特征向量内积进行线性组合,从而产生Top-N推荐.该算法解决了数据规模大且稀疏情况下的精度问题,算法的线性复杂度使得其可用于大规模数据.实验结果表明,相比于TagRec-CF,PITF,TTD,Tucker,NMF等算法,本文算法既提高了推荐的准确率,又降低了时间损耗.与PITF算法相比较,准确率得到了提高,而处理时间相差不明显;与TTD算法相比较,在准确率相差不明显的情况下,大大降低了时间损耗.因此,本文的TagRec-UPMF算法相比其他算法表现出了一定的优势.
关键词
协同过滤
潜在特征因子
标签推荐
推荐系统
概率矩阵分解
Keywords
collaborative filtering
latent feature factor
tag recommender
recommendation system
probabilistic matrix factorization
分类号
TN911.23 [电子电信—通信与信息系统]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于PMF进行潜在特征因子分解的标签推荐
刘胜宗
樊晓平
廖志芳
吴言凤
《湖南大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2015
3
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
