计算机应用研究

作者：申艳梅,姜冰倩,敖山,刘志中,

单位：河南理工大学计算机科学与技术学院,河南焦作454003；

关键词：贝叶斯个性化排序算法,推荐系统,鲁棒性,遗忘函数,

基金：国家自然科学基金资助项目(61872126)；；

针对贝叶斯个性化排序算法未能充分应用用户的行为信息，导致算法在数据稀疏情况下推荐性能以及鲁棒性均大幅度降低的问题，提出了均值贝叶斯个性化排序（MBPR）算法，来进一步挖掘用户对隐式反馈信息的偏好关系。考虑到用户兴趣随时间变化的特征，又将遗忘函数引入MBPR算法中。该算法首先对用户的历史评分记录进行预处理；然后根据用户的评分信息对项目进行正负反馈的划分，对每名用户进行个性化建模，挖掘用户对未参与项目的喜好程度，生成推荐列表。为验证提出算法的推荐性能，在公开数据集MovieLens及Yahoo上进行分析和对比实验。实验结果表明该算法的推荐性能及鲁棒性较对比算法均有显著提高。

来源：2021年第5期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2021年第5期