基于softmax回归和矩阵分解的协同过滤推荐方法

论文摘要

针对传统的协同过滤（CF）方法由于仅利用评分数据而存在用户偏好挖掘不全面,以及数据稀疏性及冷启动问题,提出了一种基于softmax回归和矩阵分解的协同过滤推荐方法（SRMF-based CF）。该方法首先利用文本挖掘技术,从文本评论中提取项目特征并进行基于特征的情感强度分析,然后采用softmax回归和矩阵分解技术预测目标用户在特征层面的情感值并预测该用户对未评分项目的总体评分值。真实数据集的实验表明,与传统的基于总体评分的协同过滤、基于文本评论的协同过滤以及基于矩阵分解的协同过滤方法相比,SRMF-based CF在平均绝对误差（MAE）和均方根误差（RMSE）上分别降低了1.8%～7.6%和2.1%～9.7%,取得了较好的推荐效果。

论文目录

• 0 引言
• 1 相关工作
• 2 协同过滤推荐模型
•   2.1 特征提取及情感强度分析
•   2.2 基于softmax回归和矩阵分解的推荐
•     2.2.1 基于特征层面的情感预测
•     2.2.2 总体评分预测
•     2.2.3 SRMF-based CF方法
• 3 实验与结果分析
•   3.1 实验数据
•   3.2 评价指标
•   3.3 参数选择
•   3.4 对比实验
• 4 结语

文章来源

类型: 期刊论文

作者: 王努努

关键词: 文本评论,推荐方法,协同过滤,回归,矩阵分解

来源: 计算机应用 2019年S2期

年度: 2019

分类: 信息科技

专业: 计算机软件及计算机应用

单位: 中南大学商学院

基金: 中南大学中央高校基本科研业务费专项资金资助项目(2018zzts299)

分类号: TP391.3

页码: 127-131

总页数: 5

文件大小: 275K

下载量: 167