科研之友
微信
新浪微博
Facebook
分享链接
摘要
[目的]本文基于用户多重自适应偏好特征时间权重改进强化潜在因子模型，以提高推荐的准确性。[方法]本文基于时序潜在因子模型进一步融合兴趣遗忘特征、出版物兴趣重合度以及评论文本语义层面的相似度等用户不同时间段的偏好，通过偏好权重对用户评分矩阵加权并分解，以捕捉用户在每个时间对不同出版物的多重偏好变化。[结果]本文在三个数据集中与五种基于时序矩阵分解基线方法进行对比实验，结果表明精确度相较于TDMF平均提高了9.26个百分点，相比TMRevCo提高了17.35个百分点，相比BPTF提高了38.63个百分点，相比TCMF提高了26.24个百分点，说明本文模型对于用户时序特征抽取更为准确.[局限]由于兴趣漂移演变分析依赖用户历史数据，当历史数据量过于稀疏时需采用用户其它信息进行冷启动。[结论]通过实验分析，本模型考虑用户的遗忘特征和评论演化特征，对于用户时序兴趣漂移的捕捉更有效，更能反映用户对出版物兴趣的演化关系，提高了推荐的准确率。
-
单位河套学院; 南京大学
