计算机应用研究

作者：郁雪,张昊男,

单位：1.天津大学管理与经济学部,天津300072；2.理海大学数学系,美国宾夕法尼亚18015；

关键词：推荐系统,协同过滤,矩阵分解,社会化正则,稀疏性,

基金：国家自然科学基金资助项目(71502125,71671121)；天津大学自主创新基金资助项目(2017XZC-0083)；；

基于矩阵分解技术的社会化推荐通过加入用户信任关系来加强学习准确性，但忽略了物品之间的关联信息在模型分解过程中对用户兴趣的影响。对此首先提出在物品相似度计算方法中加入用户参与度进行改进，并构建了融合物品关联正则项和信任用户正则项双重约束的矩阵分解推荐模型，在优化隐式特征矩阵过程中体现了物品之间的关联信息对推荐的重要影响。最后通过对两个不同稀疏级别的数据集的实验证明，相比主流的矩阵分解模型，提出的双重正则项的矩阵分解模型能够提高稀疏数据集上预测评分的准确性，并能明显缓解用户冷启动问题。

来源：2020年第4期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2020年第4期