基于上下文相似度的分解推荐算法
大小：0.80 MB 人气： 2017-11-27 需要积分：1
针对移动服务推荐中用户上下文环境复杂多变和数据稀疏性问题，提出一种基于移动用户上下文相似度的张量分解推荐算法-UCS-TF。该算法组合用户间的多维上下文相似度和上下文相似可信度，建立用户上下文相似度模型，再对目标用户的K个邻居用户建立移动用户一上下文一移动服务三维张量分解模型，获得目标用户的移动服务预测值，生成移动推荐。实验结果显示，与余弦相似性方法、Pearson相关系数方法和Cosinel改进相似度模型相比，所提UCS-TF算法表现最优时的平均绝对误差（MAE）分别减少了II. l%、10. l%和3.2%；其P@N指标大幅提升，均优于上述方法。另外，对比Cosinel算法、CARS2算法和TF算法，UCS-TF算法在数据稀疏密度为5%、20%、50%、80%上的预测误差最小。实验结果表明UCS-TF算法具有更好的推荐效果，同时将用户上下文相似度与张量分解模型结合，能有效缓解评分稀疏性的影响。
非常好我支持^.^
(0) 0%
不好我反对
(0) 0%
下载地址
基于上下文相似度的分解推荐算法下载
相关电子资料下载
- TikTok将开发独立版推荐算法，以满足美国用户需求？ 426
- 图像相似度分析——相似度算法 1212
- 快手的短视频推荐算法（1） 782
- 二进制代码相似度比较研究技术汇总 728
- 人的大脑和自监督学习模型的相似度有多高？ 732
- 快速了解文本语义相似度领域的研究脉络和进展 731
- 详解推荐算法的架构流程 2871
- 《麻省理工科技评论》发布了最新的2021年10大突破性技术的概念 2813
- 思必驰在中文文本相似度计算方向上取得阶段性成果 1935
- 自然语言任务方案思考：句子相似度和匹配 2294