计算机研究与发展
計算機研究與髮展
계산궤연구여발전
JOURNAL OF COMPUTER RESEARCH AND DEVELOPMENT
2013年
9期
1805-1813
,共9页
推荐系统%概率矩阵分解%信任强度%社会化推荐%协同过滤
推薦繫統%概率矩陣分解%信任彊度%社會化推薦%協同過濾
추천계통%개솔구진분해%신임강도%사회화추천%협동과려
recommender system%probabilistic matrix factorization%trust strength%social recommendation%collaborative filtering
为了进一步提高推荐算法的准确率,更好地对用户间的信任关系进行建模,首先提出了一种信任关系强度敏感的社会化推荐算法(StrengthMF).与以往的算法相比,该算法假设建立信任关系的两个用户之间并不一定存在着相似的兴趣爱好.在推荐过程中,StrengthMF算法通过共享的潜在用户特征空间来对信任关系强度和用户兴趣进行建模,通过进一步识别出那些与目标用户有着共同爱好的朋友来对求解的过程进行优化.为了验证算法所估计出的信任关系强度的准确性,接着又在SocialMF算法的基础上,提出了一种使用所估计的信任关系对其重新训练和学习的InfluenceMF算法.实验结果表明,与目前较为流行的方法相比,新方法能在RMSE和MAE上取得更好的推荐结果,其所推导出的信任关系强度能进一步提高已有推荐算法的性能.
為瞭進一步提高推薦算法的準確率,更好地對用戶間的信任關繫進行建模,首先提齣瞭一種信任關繫彊度敏感的社會化推薦算法(StrengthMF).與以往的算法相比,該算法假設建立信任關繫的兩箇用戶之間併不一定存在著相似的興趣愛好.在推薦過程中,StrengthMF算法通過共享的潛在用戶特徵空間來對信任關繫彊度和用戶興趣進行建模,通過進一步識彆齣那些與目標用戶有著共同愛好的朋友來對求解的過程進行優化.為瞭驗證算法所估計齣的信任關繫彊度的準確性,接著又在SocialMF算法的基礎上,提齣瞭一種使用所估計的信任關繫對其重新訓練和學習的InfluenceMF算法.實驗結果錶明,與目前較為流行的方法相比,新方法能在RMSE和MAE上取得更好的推薦結果,其所推導齣的信任關繫彊度能進一步提高已有推薦算法的性能.
위료진일보제고추천산법적준학솔,경호지대용호간적신임관계진행건모,수선제출료일충신임관계강도민감적사회화추천산법(StrengthMF).여이왕적산법상비,해산법가설건립신임관계적량개용호지간병불일정존재착상사적흥취애호.재추천과정중,StrengthMF산법통과공향적잠재용호특정공간래대신임관계강도화용호흥취진행건모,통과진일보식별출나사여목표용호유착공동애호적붕우래대구해적과정진행우화.위료험증산법소고계출적신임관계강도적준학성,접착우재SocialMF산법적기출상,제출료일충사용소고계적신임관계대기중신훈련화학습적InfluenceMF산법.실험결과표명,여목전교위류행적방법상비,신방법능재RMSE화MAE상취득경호적추천결과,기소추도출적신임관계강도능진일보제고이유추천산법적성능.
