基于评分预测与排序预测的协同过滤推荐算法

李改; 陈强; 李磊

doi:10.3969/j.issn.0372-2112.2017.12.033

您当前的位置：

首页 >

文章列表页 >

基于评分预测与排序预测的协同过滤推荐算法

科研通信 | 更新时间：2025-07-16

- 基于评分预测与排序预测的协同过滤推荐算法
- Collaborative Filtering Recommendation Algorithm Based on Rating Prediction and Ranking Prediction
- 电子学报 2017年45卷第12期页码：3070-3075
- 作者机构：
  
  1. 顺德职业技术学院电子与信息工程学院, 广东顺德,528333
  2. 中山大学数据科学与计算机学院,广东,广州,510006
  3. 广东第二师范学院计算机科学系,广东,广州,510303
  4. 顺德职业技术学院电子与信息工程学院广东顺德,528333
  5. 中山大学数据科学与计算机学院,广东,广州,510006
  6. 广东第二师范学院计算机科学系,广东,广州,510303
- 作者简介：
- 基金信息：
  
  国家自然科学基金 (No.61370186，No.61640222）;广东省自然科学基金项目 (No.2016A030310018）;广东省科技计划项目 (No.2014A010103040，No.2014B010116001）;广州市科技计划项目 (No.201604010049，No.201510010203）;广东第二师范学院教授博士科研专项 (No.2015ARF25）
- DOI：10.3969/j.issn.0372-2112.2017.12.033
  中图分类号： TP302
- 网络出版：2017-12-25，
  
  纸质出版：2017
- 稿件说明：
移动端阅览
李改, 陈强, 李磊. 基于评分预测与排序预测的协同过滤推荐算法[J]. 电子学报, 2017,45(12):3070-3075.

LI Gai, CHEN Qiang, LI Lei. Collaborative Filtering Recommendation Algorithm Based on Rating Prediction and Ranking Prediction[J]. Acta Electronica Sinica, 2017, 45(12): 3070-3075.
李改, 陈强, 李磊. 基于评分预测与排序预测的协同过滤推荐算法[J]. 电子学报, 2017,45(12):3070-3075. DOI： 10.3969/j.issn.0372-2112.2017.12.033.

LI Gai, CHEN Qiang, LI Lei. Collaborative Filtering Recommendation Algorithm Based on Rating Prediction and Ranking Prediction[J]. Acta Electronica Sinica, 2017, 45(12): 3070-3075. DOI： 10.3969/j.issn.0372-2112.2017.12.033.

摘要

协同过滤推荐算法在电子商务领域运用广泛.之前的研究要么仅从评分预测的角度来研究，要么仅从排序预测的角度来研究.为了兼顾这两个方面，本文在传统的基于评分预测的PMF（Probabilistic Matrix Factorization）算法和基于排序预测的xCLiMF（Extended Collaborative Less-is-More Filtering）算法的基础上提出了一种基于评分预测与排序预测的协同过滤推荐算法URA（Unified Recommendation Algorithm），该方法通过在PMF和xCLiMF算法中共享用户和推荐对象的特征空间，利用PMF算法来学习高精度的用户和推荐对象的特征向量，从而进一步增强排序推荐性能.实验验证，该方法在评价指标NDCG和ERR下均优于PMF和xCLiMF算法，且复杂度与评分点个数线性相关.URA算法可运用于互联网信息推荐领域的大数据处理.

Abstract

Collaborative filtering (CF) recommendation algorithm is widely used in the field of e-commerce.The previous researches on CF focused on either rating prediction or ranking prediction.In order to take into account these two aspects

a collaborative filtering recommendation algorithm based on rating prediction and ranking prediction (Unified Recommendation Algorithm

URA) is proposed.URA shares common latent features of users and items in PMF (Probabilistic Matrix Factorization

rating-oriented) and xCLiMF (Extended Collaborative Less-is-More Filtering

ranking-oriented) algorithms

and PMF learns improved latent features of users and items in URA

so that URA improves the performance of ranking recommendation.Experimental results showed that our proposed URA Algorithm outperformed PMF and xCLiMF algorithms over evaluation metrics NDCG and ERR

and that the complexity of URA is shown to be linear with the number of observed ratings.URA is suitable for big data processing in the field of internet information recommendation.

关键词

Keywords

references

浏览量

562

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于自监督学习的去流行度偏差推荐方法

基于方面和胶囊网络的跨域评分预测模型

移动群智感知中基于协同排序的任务推荐方法

两方参与的隐私保护协同过滤推荐研究

对搜索引擎中评分方法的研究