融合因子分解的上下文推荐算法研究

作者：乔雨; 圣文顺

来源：计算机与数字工程, 2021, 49(06): 1123-1204.

• 推荐系统
• 上下文信息
• 因子分解
• 时间复杂度
• 推荐接受率

推荐系统作为帮助用户快速获取有用信息的重要工具之一,得到了深入的研究和广泛的应用。为了更好地挖掘基于上下文信息的推荐场景中"用户-项目-上下文"三者之间的潜在关系,定位用户可能的兴趣点,进而提升推荐准确度和用户体验。通过分析目前已有的关于上下文情景数据处理技术的原理和特点,在时间复杂度或者时效性方面仍存在着不足之处,这也是目前融合上下文推荐算法的研究重点和难点之一。针对推荐的时间复杂度高这一方面,提出了融合因子分解技术的推荐算法(FM-CR)来提升基于上下文推荐的效果,包括用户接受率和时间复杂度。经过实验证明,提出的融合因子分解技术的推荐算法(FM-CR)能够在保证用户的推荐接受率的情况下,使得产生推荐结果的时间效率有了明显提高。

• 单位
  南京工业大学浦江学院