本文選題：推薦系統(tǒng) + 協(xié)同排序��； 參考：《電子學(xué)報(bào)》2017年12期

【摘要】：協(xié)同過濾推薦算法在電子商務(wù)領(lǐng)域運(yùn)用廣泛.之前的研究要么僅從評(píng)分預(yù)測的角度來研究,要么僅從排序預(yù)測的角度來研究.為了兼顧這兩個(gè)方面,本文在傳統(tǒng)的基于評(píng)分預(yù)測的PMF(Probabilistic Matrix Factorization)算法和基于排序預(yù)測的xCLiMF(Extended Collaborative Less-is-More Filtering)算法的基礎(chǔ)上提出了一種基于評(píng)分預(yù)測與排序預(yù)測的協(xié)同過濾推薦算法URA(Unified Recommendation Algorithm),該方法通過在PMF和xCLiMF算法中共享用戶和推薦對(duì)象的特征空間,利用PMF算法來學(xué)習(xí)高精度的用戶和推薦對(duì)象的特征向量,從而進(jìn)一步增強(qiáng)排序推薦性能.實(shí)驗(yàn)驗(yàn)證,該方法在評(píng)價(jià)指標(biāo)NDCG和ERR下均優(yōu)于PMF和xCLiMF算法,且復(fù)雜度與評(píng)分點(diǎn)個(gè)數(shù)線性相關(guān).URA算法可運(yùn)用于互聯(lián)網(wǎng)信息推薦領(lǐng)域的大數(shù)據(jù)處理.
[Abstract]:Collaborative filtering recommendation algorithm is widely used in the field of electronic commerce. Previous studies have been conducted either from the perspective of score prediction or only from the perspective of ranking prediction. In order to balance these two aspects, Based on the traditional PMF (probabilistic Matrix factorization) algorithm based on score prediction and xCLiMF (extended Collaborative Less-is-More filtering) algorithm based on ranking prediction, this paper proposes a collaborative filtering recommendation algorithm URA (Unified recommendation Algorithm),) based on grading prediction and ranking prediction. In PMF and xCLiMF algorithms, the feature spaces of users and recommendation objects are shared, The PMF algorithm is used to study the feature vectors of high precision users and recommendation objects, so as to further enhance the performance of sorting recommendation. The experimental results show that the proposed method is superior to the PMF and xCLiMF algorithms under the evaluation indexes NDCG and err, and the complexity is linearly related to the number of scoring points. URA algorithm can be applied to the big data processing in the field of Internet information recommendation.
【作者單位】： 順德職業(yè)技術(shù)學(xué)院電子與信息工程學(xué)院;廣東第二師范學(xué)院計(jì)算機(jī)科學(xué)系;中山大學(xué)數(shù)據(jù)科學(xué)與計(jì)算機(jī)學(xué)院;
【基金】：國家自然科學(xué)基金(No.61370186,No.61640222) 廣東省自然科學(xué)基金項(xiàng)目(No.2016A030310018) 廣東省科技計(jì)劃項(xiàng)目(No.2014A010103040,No.2014B010116001) 廣州市科技計(jì)劃項(xiàng)目(No.201604010049,No.201510010203) 廣東第二師范學(xué)院教授博士科研專項(xiàng)(No.2015ARF25)
【分類號(hào)】：TP391.3

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 徐義峰;陳春明;徐云青;;一種基于分類的協(xié)同過濾算法[J];計(jì)算機(jī)系統(tǒng)應(yīng)用;2007年01期

2 楊風(fēng)召;;一種基于特征表的協(xié)同過濾算法[J];計(jì)算機(jī)工程與應(yīng)用;2007年06期

3 王嵐;翟正軍;;基于時(shí)間加權(quán)的協(xié)同過濾算法[J];計(jì)算機(jī)應(yīng)用;2007年09期

4 曾子明;張李義;;基于多屬性決策和協(xié)同過濾的智能導(dǎo)購系統(tǒng)[J];武漢大學(xué)學(xué)報(bào)(工學(xué)版);2008年02期

5 張富國;;用戶多興趣下基于信任的協(xié)同過濾算法研究[J];小型微型計(jì)算機(jī)系統(tǒng);2008年08期

6 侯翠琴;焦李成;張文革;;一種壓縮稀疏用戶評(píng)分矩陣的協(xié)同過濾算法[J];西安電子科技大學(xué)學(xué)報(bào);2009年04期

7 廖新考;;基于用戶特征和項(xiàng)目屬性的混合協(xié)同過濾推薦[J];福建電腦;2010年07期

8 徐紅;彭黎;郭艾寅;徐云劍;;基于用戶多興趣的協(xié)同過濾策略改進(jìn)研究[J];計(jì)算機(jī)技術(shù)與發(fā)展;2011年04期

9 焦晨斌;王世卿;;基于模型填充的混合協(xié)同過濾算法[J];微計(jì)算機(jī)信息;2011年11期

10 宋緯華;田元;;基于蟻群算法的協(xié)同過濾推薦技術(shù)[J];農(nóng)業(yè)圖書情報(bào)學(xué)刊;2013年08期

相關(guān)會(huì)議論文 前10條

1 沈杰峰;杜亞軍;唐俊;;一種基于項(xiàng)目分類的協(xié)同過濾算法[A];第二十二屆中國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2005年

2 周軍鋒;湯顯;郭景峰;;一種優(yōu)化的協(xié)同過濾推薦算法[A];第二十一屆中國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2004年

3 董全德;;基于雙信息源的協(xié)同過濾算法研究[A];全國第20屆計(jì)算機(jī)技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議（CACIS·2009）暨全國第1屆安全關(guān)鍵技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集（上冊）[C];2009年

4 張光衛(wèi);康建初;李鶴松;劉常昱;李德毅;;面向場景的協(xié)同過濾推薦算法[A];中國系統(tǒng)仿真學(xué)會(huì)第五次全國會(huì)員代表大會(huì)暨2006年全國學(xué)術(shù)年會(huì)論文集[C];2006年

5 李建國;姚良超;湯庸;郭歡;;基于認(rèn)知度的協(xié)同過濾推薦算法[A];第26屆中國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集（B輯）[C];2009年

6 王明文;陶紅亮;熊小勇;;雙向聚類迭代的協(xié)同過濾推薦算法[A];第三屆全國信息檢索與內(nèi)容安全學(xué)術(shù)會(huì)議論文集[C];2007年

7 胡必云;李舟軍;王君;;基于心理測量學(xué)的協(xié)同過濾相似度方法(英文)[A];NDBC2010第27屆中國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集(B輯)[C];2010年

8 林麗冰;師瑞峰;周一民;李月雷;;基于雙聚類的協(xié)同過濾推薦算法[A];2008'中國信息技術(shù)與應(yīng)用學(xué)術(shù)論壇論文集（一）[C];2008年

9 羅喜軍;王韜丞;杜小勇;劉紅巖;何軍;;基于類別的推薦——一種解決協(xié)同推薦中冷啟動(dòng)問題的方法[A];第二十四屆中國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2007年

10 黃創(chuàng)光;印鑒;汪靜;劉玉葆;王甲海;;不確定近鄰的協(xié)同過濾推薦算法[A];NDBC2010第27屆中國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集A輯一[C];2010年

相關(guān)博士學(xué)位論文 前10條

1 紀(jì)科;融合上下文信息的混合協(xié)同過濾推薦算法研究[D];北京交通大學(xué);2016年

2 程殿虎;基于協(xié)同過濾的社會(huì)網(wǎng)絡(luò)推薦系統(tǒng)關(guān)鍵技術(shù)研究[D];中國海洋大學(xué);2015年

3 于程遠(yuǎn);基于QoS的Web服務(wù)推薦技術(shù)研究[D];上海交通大學(xué);2015年

4 段銳;融合文本內(nèi)容與情境信息的協(xié)同過濾推薦方法研究[D];合肥工業(yè)大學(xué);2017年

5 李聰;電子商務(wù)推薦系統(tǒng)中協(xié)同過濾瓶頸問題研究[D];合肥工業(yè)大學(xué);2009年

6 李文俊;時(shí)間感知的推薦算法研究[D];電子科技大學(xué);2017年

7 郭磊;社會(huì)網(wǎng)絡(luò)中基于社會(huì)關(guān)系的推薦算法研究[D];山東大學(xué);2015年

8 聶大成;在線社會(huì)網(wǎng)絡(luò)中的信息推薦技術(shù)研究[D];電子科技大學(xué);2014年

9 曾偉;推薦算法與推薦網(wǎng)絡(luò)研究[D];電子科技大學(xué);2015年

10 朱旭振;復(fù)雜網(wǎng)絡(luò)下基于鏈路預(yù)測的推薦技術(shù)研究[D];北京郵電大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 閆曉珊;基于用戶綜合興趣的協(xié)同過濾推薦算法研究[D];蘭州財(cái)經(jīng)大學(xué);2017年

2 張燕紅;面向稀疏矩陣偏置的協(xié)同過濾推薦算法研究[D];長安大學(xué);2017年

3 李園沁;基于用戶的協(xié)同過濾推薦算法中若干關(guān)鍵技術(shù)研究[D];安徽工業(yè)大學(xué);2017年

4 呂杰;一種融合用戶上下文信息和評(píng)分傾向度的協(xié)同過濾推薦系統(tǒng)[D];天津大學(xué);2016年

5 杜曉娟;云計(jì)算下基于混合算法的協(xié)同過濾推薦技術(shù)優(yōu)化研究[D];內(nèi)蒙古工業(yè)大學(xué);2017年

6 梁四香;基于改進(jìn)協(xié)同過濾的推薦系統(tǒng)研究與實(shí)現(xiàn)[D];鄭州大學(xué);2017年

7 鄒騰飛;基于多特征融合的混合協(xié)同過濾算法研究[D];西南大學(xué);2015年

8 于鈺雯;基于項(xiàng)目凝聚層次聚類的協(xié)同過濾推薦算法研究[D];遼寧大學(xué);2015年

9 杜文剛;基于多屬性評(píng)分的協(xié)同過濾推薦算法研究[D];遼寧大學(xué);2015年

10 高慧敏;融合占有度的時(shí)間遺忘協(xié)同過濾混合推薦算法研究[D];燕山大學(xué);2015年

，

本文編號(hào)：2110337