本文關鍵詞：MFWT:一種推薦學術論文的混合模型

  更多相關文章： 概率矩陣分解 主題模型 混合推薦模型 數據稀疏性

【摘要】：為了改善概率矩陣分解模型進行學術論文推薦時存在的數據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.實驗結果表明,該模型較好地解決了概率矩陣分解模型的數據稀疏性問題和冷啟動問題,有效提升了學術論文的推薦效果.
【作者單位】： 北京郵電大學網絡與交換技術國家重點實驗室;
【關鍵詞】： 概率矩陣分解 主題模型 混合推薦模型 數據稀疏性
【基金】：國家自然科學基金項目(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)普遍存在的數據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據稀疏性問

【相似文獻】

中國期刊全文數據庫 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];自動化學報;2011年09期

2 袁運祥;基于矩陣分解的子結構法求解介紹[J];計算機應用通訊;1981年00期

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

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

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

6 王海雷;牟雁超;俞學寧;;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頁信息檢索中的應用研究[J];黑龍江工程學院學報;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絡推薦算法[J];計算機應用研究;2014年06期

9 祝永健;陳琛;;一種新的異構網絡中基于上下文相關的推薦模型[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];軟件學報;2013年03期

中國博士學位論文全文數據庫 前2條

1 李英明;矩陣分解在數據挖掘中的應用[D];浙江大學;2014年

2 陳根浪;基于社交媒體的推薦技術若干問題研究[D];浙江大學;2012年

中國碩士學位論文全文數據庫 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;2015年

2 伏路;矩陣補全問題的研究與應用[D];中國石油大學(華東);2014年

3 張志綺;基于用戶關系的矩陣分解推薦算法研究[D];北京交通大學;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;2015年

5 陳翠翠;基于隱性反饋的協(xié)同推薦[D];東南大學;2015年

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

7 楊強;結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;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;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用[D];北京交通大學;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;2015年

，

本文編號：815311