资料下载
×
一种融合多种类型上下文信息的协同过滤算法
消耗积分:0 |
格式:pdf |
大小:1.38 MB |
2021-04-08
分享资料个
随着电子商务和互联网的发展，数据信息呈爆炸式増长，协同过滤算法作为一种简单而髙效的推荐算法，能在一定程度上有效地解决信息爆炸问题。但是传统协同过滤算法仅通过单一评分来挖掘相似用户，推荐效果并不占优势。为了提高个性化推荐的质量，如何充分利用用户（物品）的文本、图片、标签等上下文信息以使数据价值最大化是当前推荐系统亟待解决的问题。对此，提出了一种融合多种类型上下文信息的协同过滤算法。以用户商品交互信息为二部图，根据不同类型上下文的特点构建不同的相似度网络，设计目标函数在多种上下文信息网络的约束下联合矩阵分解，并学得用户商品的表示学习。在多个数据集上进行了充分实验，结果表明，融合多种类型上下文信息的协同过滤算法不仅能有效提高推荐的准确度，而且能在一定程度上解决数据稀疏性问题。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
