文俊浩,孙光辉,李顺.基于用户聚类和移动上下文的矩阵分解推荐算法研究[J].计算机科学,2018,45(4):215-219, 251
基于用户聚类和移动上下文的矩阵分解推荐算法研究
Study on Matrix Factorization Recommendation Algorithm Based on User Clustering and Mobile Context
投稿时间:2017-03-14  修订日期:2017-05-18
DOI:10.11896/j.issn.1002-137X.2018.04.036
中文关键词:  聚类,上下文信息,矩阵分解,推荐
英文关键词:Clustering,Context information,Matrix factorization,Recommendation
基金项目:本文受国家自然科学基金(6167060382,61379158)资助
作者单位E-mail
文俊浩 重庆大学软件学院 重庆401331 jhwen@cqu.edu.cn 
孙光辉 重庆大学软件学院 重庆401331 ghsunorlux@cqu.edu.cn 
李顺 重庆大学软件学院 重庆401331  
摘要点击次数: 279
全文下载次数: 233
中文摘要:
      随着移动互联网技术的快速发展,越来越多的用户通过移动设备获取移动信息和服务,导致信息过载问题日益凸出。针对目前上下文感知推荐算法中存在的数据稀疏性差、上下文信息融入不够、用户相似性度量被忽略等问题,提出一种基于用户聚类和移动上下文的矩阵分解推荐算法。该算法通过利用k-means对用户聚类找到偏好相似的用户簇,求出每簇中并对 用户所处上下文之间的相似度并对其进行排序,由此找出与目标用户偏好和上下文均相似的用户集合,借助该集合改进传统矩阵分解模型损失函数,并以此为基准进行评分预测和推荐。仿真实验结果表明,所提算法可有效提高预测评分的准确度。
英文摘要:
      With the rapid development of mobile Internet technology,more and more individuals use mobile devices to acquire information and services,which makes information overload problem more and more serious.Aiming at the puzzle resulted from data sparsity,insufficient contextual information and ignoring context similarity measurement,this paper proposesd a method of matrix factorization recommendation algorithm based on user clustering and mobile context(UCMC-MF) to predict user ratings and make recommendation.Firstly,the method clusters similar user by way of k-means,then finds similar contexts in each cluster,and searches users who are similar to the target user in preferences and context.Finally,experimental results on real datasets demonstrate that the proposed algorithm can effectively improve the accuracy of prediction.
查看全文  查看/发表评论  下载PDF阅读器