声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-1777/TP
国际刊号：1000-1239
发布日期:
作者：吴宾,娄铮铮,叶阳东,
关键词：矩阵分解, 协同过滤, 推荐系统, 冷启动, 多源异构数据,
随着电子商务网站的快速发展，数据特征和现实需求均发生了较大变化.以大规模、多源性、异构性为主要特征的数据发挥着更加重要的作用.然而，电子商务系统中数据所具有的特性使得大多数协同过滤方法较难直接用于物品推荐.如何整合多源异构数据来实现数据的价值最大化是当前推荐系统亟待解决的问题.针对这一问题，首先分析了多源异构数据中各类数据的特点，并根据各自特点为其设计了不同的建模方式.其次，提出一种新颖的推荐模型用于评分预测任务，它通过融合多关系数据和视觉信息来缓解数据稀疏问题.最后，设计了一种高效的算法MSRA(multi-sourceheterogeneousinformationbasedrecommendationalgorithm)用于求解所提模型的参数.在多个亚马逊数据集上的实验结果表明:1)面向多源异构数据的推荐算法其性能明显优于当前主流协同过滤算法;2)该算法不仅可以有效缓解物品的冷启动问题，而且能够更好地预测不同类型物品的实际评分.
来源：2019年第5期
《计算机研究与发展》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。