基于用户-兴趣-项目三部图的推荐算法.pdf

《基于用户-兴趣-项目三部图的推荐算法.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第28卷第10期模式识别与人工智能V0I_28No．1O2015年10月PR＆AI0ct．2015基于用户一兴趣一项目三部图的推荐算法张艳梅王璐曹怀虎毛国君(中央财经大学信息学院北京100081)摘要目前大多数个性化推荐算法为了追求较高的推荐精度而在不同程度上受到用户兴趣过拟合问题的影响，因此提出通过挖掘用户隐含的兴趣信息进行推荐的算法．首先利用概率主题模型抽取用户兴趣分布，并建立用户一兴趣一项目加权三部图．然后在用户一兴趣和兴趣一项目的概率加权二部子图上依次利用物质扩散算法配置项目资源值，并根据项目资源值的高低排序产生Top—K推荐．在Movielens

2、数据集上的实验表明，基于用户一兴趣一项目三部图的推荐算法能缓解过拟合问题，同时可提高准确率等方面的性能．关键词用户兴趣，个性化推荐，三部图，物质扩散，概率主题模型中图法分类号TP393DOI10．16451／j．cnki．issn1003-6059．201510006RecommendationAlgorithmBasedonUser··Interest--ItemTripartiteGraphZHANGYan—Mei，WANGLu，CAOHuai—Hu，MAOGuo—Jun(SchoolofInformation，CentralUniversityofF

3、inanceandEconomics，Beifing100081)ABSTRACTSincemostoftheexistingpersonalizedrecommendationalgorithmspursueahigheraccuracy，theirperformanceisaffectedbytheproblemofuserinterestover-specialization．Analgorithmisproposedtofullymineandusetheimplicituserinterestinformationforrecommendatio

4、n．Theprobabilistictopicmodelisadoptedtoextractuserinterestdistribution，andtheweightedtripartitegraphofuser—interest．itemisgenerated．Thentheuseritemresourcevalueisallocatedbymaterialdiffusionalgorithminuserinterestandinterest—itembipartitegraphsrespectively，andtheTop-Krecommendatio

5、nlistisgeneratedaccordingtotherankofiternresourcevalues．ExperimentalresultsonMovielensdatasetsshowtheproposedalgorithmrelievestheproblemofuserinterestover—specialization．Meanwhiletherecommendationaccuracyisimproved．KeyWordsUserInterest，PersonalizedRecommendation，TripartiteGraph，Ma

6、terialDiffusion，ProbabilisticTopicModel$国家自然科学基金项目(No．61309029，61273293)、中央财经大学学科建设基金项目(No．2015XX04)资助收稿日期：2014—09—10；修回日期：2015一O1—11作者简介张艳梅(通讯作者)，女，1976年生，博士，副教授，主要研究方向为电子商务、服务计算．E．mail：jlzym0309@sina．com．王璐，女，1989年生，硕士研究生，主要研究方向为电子商务．曹怀虎，男，1977年生，博士，教授，主要研究方向为电子商务、网络计算．毛国君，男，196

7、6年生，博士，教授，主要研究方向为数据挖掘．914模式识别与人工智能28卷1引言的用户、资源和标签信息建模成三层张量，采用高维奇异值分解Kernel一奇异值平滑技术缩减维度，进行语义分析．还有学者采用基于主题的方法发现潜在个性化推荐通过分析目标用户的历史行为和兴主题，Krestel等利用概率主题模型确定标签和资趣偏好信息，主动提供能满足需求的产品或服务．近源所划归的主题，分别计算主题在标签上的概率分年来兴起的基于图结构的推荐是个性化推荐的主流方法之一⋯，其不但在推荐准确性上优于传统协同布及资源在主题上的概率分布，把每个主题下最高过滤算法，而且在推荐多样性上

8、也明显高于传统的的标签推荐给用户．协同过滤算法J．文献[3]最早提