融合分类和情境偏好的矩阵分解电影推荐算法

TP301.6; 为提高个性化影视推荐的准确率,提出了一种融合了决策树模型和包含了用户情境信息的矩阵分解算法的混合推荐算法.通过融入了情境偏置的矩阵分解算法,得到初始的影视推荐列表,之后通过分类模型的训练,得出用户在特定情境下对电影类型的偏好.将初始推荐列表根据分类模型得出的用户特定情境下的偏好进行二次筛选,得到最终推荐结果.相较于传统的协同过滤算法、矩阵分解算法和Baseline算法,该混合推荐算法通过两层筛选的过程,推荐准确率得到了提高,提高了推荐系统的性能....

Full description

Saved in:
Bibliographic Details
Published in华东理工大学学报（自然科学版） Vol. 47; no. 3; pp. 348 - 353
Main Authors 王文铃, 虞慧群, 范贵生
Format Journal Article
LanguageChinese
Published 华东理工大学计算机科学与工程系,上海 200237%华东理工大学计算机科学与工程系,上海 200237 2021
上海市计算机软件测评重点实验室,上海 201112
Subjects
分类模型
矩阵分解
影视推荐
情境信息
Online AccessGet full text

Cover

More Information
Summary:TP301.6; 为提高个性化影视推荐的准确率,提出了一种融合了决策树模型和包含了用户情境信息的矩阵分解算法的混合推荐算法.通过融入了情境偏置的矩阵分解算法,得到初始的影视推荐列表,之后通过分类模型的训练,得出用户在特定情境下对电影类型的偏好.将初始推荐列表根据分类模型得出的用户特定情境下的偏好进行二次筛选,得到最终推荐结果.相较于传统的协同过滤算法、矩阵分解算法和Baseline算法,该混合推荐算法通过两层筛选的过程,推荐准确率得到了提高,提高了推荐系统的性能.
ISSN:1006-3080
DOI:10.14135/j.cnki.1006-3080.20200115003