基于SVD++隐语义模型的信任网络推荐算法
TP315; 推荐算法通常基于用户的行为数据进行建模,然而显式行为数据的稀疏性可能会引起推荐算法的冷启动问题.为了降低数据稀疏和冷启动问题对推荐算法效果的影响,在已有显式信任关系的基础上,基于用户相似度引入隐式信任关系,通过SVD++隐语义模型设计了新的推荐算法.为了提升算法效果,进一步融合邻域模型,推导出算法评分预测式及损失函数.在Epinions开源数据集中将RMSE和MAE作为测试指标,在全体用户集和冷启动用户集上进行对比实验.实验结果显示,设计的推荐算法可以在一定程度上改善原推荐算法的冷启动问题,并取得更好的评分预测效果....
Saved in:
Published in | 大数据 Vol. 7; no. 4; pp. 105 - 116 |
---|---|
Main Authors | , |
Format | Journal Article |
Language | Chinese |
Published |
平安科技(深圳)有限公司,广东深圳518031%北京大学互联网研究院(深圳),广东深圳518055
2021
|
Subjects | |
Online Access | Get full text |
Cover
Loading…
Summary: | TP315; 推荐算法通常基于用户的行为数据进行建模,然而显式行为数据的稀疏性可能会引起推荐算法的冷启动问题.为了降低数据稀疏和冷启动问题对推荐算法效果的影响,在已有显式信任关系的基础上,基于用户相似度引入隐式信任关系,通过SVD++隐语义模型设计了新的推荐算法.为了提升算法效果,进一步融合邻域模型,推导出算法评分预测式及损失函数.在Epinions开源数据集中将RMSE和MAE作为测试指标,在全体用户集和冷启动用户集上进行对比实验.实验结果显示,设计的推荐算法可以在一定程度上改善原推荐算法的冷启动问题,并取得更好的评分预测效果. |
---|---|
ISSN: | 2096-0271 |
DOI: | 10.11959/j.issn.2096-0271.2021041 |