本文關(guān)鍵詞：MFWT:一種推薦學(xué)術(shù)論文的混合模型

  更多相關(guān)文章： 概率矩陣分解 主題模型 混合推薦模型 數(shù)據(jù)稀疏性

【摘要】：為了改善概率矩陣分解模型進行學(xué)術(shù)論文推薦時存在的數(shù)據(jù)稀疏性和冷啟動問題,提出了一種混合推薦模型——主題矩陣分解模型.通過提出的作者-會議-時間-主題模型和傳統(tǒng)的潛在狄利克雷分布主題模型分別構(gòu)建用戶和論文的主題特征,并通過這2類特征分別增強概率矩陣分解模型的用戶潛在因子特征向量和項目潛在因子特征向量.實驗結(jié)果表明,該模型較好地解決了概率矩陣分解模型的數(shù)據(jù)稀疏性問題和冷啟動問題,有效提升了學(xué)術(shù)論文的推薦效果.
【作者單位】： 北京郵電大學(xué)網(wǎng)絡(luò)與交換技術(shù)國家重點實驗室;
【關(guān)鍵詞】： 概率矩陣分解 主題模型 混合推薦模型 數(shù)據(jù)稀疏性
【基金】：國家自然科學(xué)基金項目(61471060)
【分類號】：TP391.3
【正文快照】： 矩陣分解模型具有簡單高效的特點,其中的潛在因子模型(LMF,latent factor model)[1]和概率矩陣分解(PMF,probabilistic matrix factorization)[2]被廣泛采用.但仍然沒有解決基于協(xié)同過濾的推薦系統(tǒng)普遍存在的數(shù)據(jù)稀疏性和項目冷啟動問題.為改善協(xié)同過濾評分矩陣的數(shù)據(jù)稀疏性問

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 李聰;駱志剛;;用于魯棒協(xié)同推薦的元信息增強變分貝葉斯矩陣分解模型[J];自動化學(xué)報;2011年09期

2 袁運祥;基于矩陣分解的子結(jié)構(gòu)法求解介紹[J];計算機應(yīng)用通訊;1981年00期

3 張海建;;分布式矩陣分解算法在推薦系統(tǒng)中的研究與應(yīng)用[J];科技通報;2013年12期

4 王鋒;趙志文;牟盛;;整數(shù)提升小波多相矩陣分解系數(shù)的快速提取算法[J];中國圖象圖形學(xué)報;2012年03期

5 段華杰;;考慮時間效應(yīng)的矩陣分解技術(shù)在推薦系統(tǒng)中的應(yīng)用[J];微型電腦應(yīng)用;2013年03期

6 王海雷;牟雁超;俞學(xué)寧;;基于協(xié)同矩陣分解的社會化標簽系統(tǒng)的資源推薦[J];計算機應(yīng)用研究;2013年06期

7 張愛文;樊紅蓮;;半離散矩陣分解改進算法在網(wǎng)頁信息檢索中的應(yīng)用研究[J];黑龍江工程學(xué)院學(xué)報;2007年02期

8 李衛(wèi)平;楊杰;;基于隨機梯度矩陣分解的社會網(wǎng)絡(luò)推薦算法[J];計算機應(yīng)用研究;2014年06期

9 祝永健;陳琛;;一種新的異構(gòu)網(wǎng)絡(luò)中基于上下文相關(guān)的推薦模型[J];硅谷;2013年23期

10 涂丹丹;舒承椿;余海燕;;基于聯(lián)合概率矩陣分解的上下文廣告推薦算法[J];軟件學(xué)報;2013年03期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 李英明;矩陣分解在數(shù)據(jù)挖掘中的應(yīng)用[D];浙江大學(xué);2014年

2 陳根浪;基于社交媒體的推薦技術(shù)若干問題研究[D];浙江大學(xué);2012年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 秦曉暉;個性化微博推薦方法研究[D];華南理工大學(xué);2015年

2 伏路;矩陣補全問題的研究與應(yīng)用[D];中國石油大學(xué)(華東);2014年

3 張志綺;基于用戶關(guān)系的矩陣分解推薦算法研究[D];北京交通大學(xué);2016年

4 蘇睿龍;基于個性化集合排序的多樣性推薦[D];上海交通大學(xué);2015年

5 陳翠翠;基于隱性反饋的協(xié)同推薦[D];東南大學(xué);2015年

6 王科;語義提升和矩陣分解在跨模哈希檢索中的應(yīng)用研究[D];安徽大學(xué);2016年

7 楊強;結(jié)合個體影響力和信任傳遞的矩陣分解推薦算法[D];重慶師范大學(xué);2016年

8 孫偉彬;基于高維顯性特征的矩陣分解推薦[D];大連理工大學(xué);2015年

9 封金蕾;基于矩陣分解的顯著對象提取算法分析與應(yīng)用[D];北京交通大學(xué);2012年

10 王鵬;基于矩陣分解的推薦系統(tǒng)算法研究[D];北京交通大學(xué);2015年

，

本文編號：815311