资料下载
×
基于张量分解和排序学习的个性化标签推荐算法
消耗积分:0 |
格式:pdf |
大小:1.94 MB |
2021-04-28
分享资料个
标签的使用给系统提供了一个划分并管理用户和物品的途径，而个性化的标签推荐则不仅方便用户输入标签，而且有助于提高系统标签的质量。进而，系统可以获得更多关于用户和物品的信息，提升后续推荐的精度，改善用户体验，因此在淘宝、滴滴等类似的业务场景中具有重要的作用。然而，现有的大多欻标签推荐都没有关注推荐列表中的排序问题，列表中过于靠后的标签极易丧失让用户使用的机会，造成用户和物品信息的缺失，阻碍后续的精准推荐。针对上述问题，提出了一种基于张量 Tucker分解和列表级排序学习的个性化标签推荐算法，采用优化MAP的方式进行训练，并在Last.fm数据集上进行了仿真实验，不仅验证了算法的有效性，而且充分探讨了学习率、核张量维度等参数对算法的影响。实验结果表明，该算法能较好地优化推荐列表的排序问題，且随列表长度的増加，其性能呈线性下降，算法的实现有利于更好地根据用户喜好来推荐服务。
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
