基于CTM．PMF模型的物品推荐.pdfVIP

ComputerEngineeringandApplications计算机工程与应用 @博士论坛@ 基于CTM．PMF模型的物品推荐 彭江平 PENG Jiangping 湖南大学 工商管理学院，长沙 410006 SchoolofBusiness，HunanUniversity,Changsha410006，China PENG Jiangping．Productrecommendation basedonCTM-PMF mode1．ComputerEngineeringandApplications，2013， 49(2)：1-4． Abstract：Inordertoovercometheshortcomingsofthetraditionalcollaborativefilteringmethod．anew recommendationmethod basedonCTM—PMF(CorrelatedTopicModelandProbabilisticMatrixFactorization)modeliSproposed．CTM ．PMFmodel combinesthePMFmodelin collaborativefilteringandtheCTM modelintopicmodes．TheresultofthiscombinationiSthat bothadvantagesOfPMFmodelandadvantagesofCTM modelarecombined，solvestheproblem ofnew items．Inthismethod，a factorisalsointroducedwhichreflectsthechangeofuser’Sinterestontheproductsboughtpreviously．Thealgorithm istestedon aself-buildproductdataset．Theexperimentalresultsshow thatthenew methodhasbettercapacityforrecommendationcompared toPM F．G—PLSA andUBCFmethod． Keywords：CorrelatedTopicModel(CTM)：ProbabilisticMatrixFactorization(PMF)model；userinterestfactor；productrec— ommendatjon 摘 要 ：为 了克服传统协同过滤推荐技术的局限，提 出了一种基于CTM．PMF模型的物品推荐方法。在PMF模型的基础 上，引入CTM模型，将PMF模型 良好的推荐品质和CTM模型优越的物品表示方法相结合，有效地实现了新物品推荐；通 过引入用户兴趣因子，解决了用户对 已购买物品的兴趣变化 问题 。在 自建的物品数据集上，利用提出的方法、PMF模型、 G．PLSA模型和UBCF方法进行了对 比实验，实验结果表明该方法具有 良好的物品推荐品质。 关键词 ：相关主题模型(CTM)；概率矩阵分解 (PMF)模型；用户兴趣 因子；物品推荐 文献标志码：A 中图分类号：TP391 doi：10．3778／j．issn．1002—8331．1208—0038 1 引言 A．Baneoee提出了产生式概率矩阵分解 (PMF)的协同过 随着Internet技术的迅猛发展，用户从互联网上获得的 滤技术等。然而，单一的协同过滤技术在推荐方面存在很 资源呈指数增长态势，但伴随而来的是如何使用户从巨大 多缺陷，例如新项 目问题，所谓新项 目问题，就是无法对全 的资源库中获得 自己的真正需要变得越来越难。例如，我 新项 目(没有任何评分记录)进行推荐，原因是协同过滤技 国比较成功的在线购物网站淘宝和当当，其在线商品数量 术在推荐项 目时必须利用近邻对项 目评分来实现，而新项 是不计其数，而使用户如何获得 自己真正需要的商品变得 目没有任何评分记录 ，因此无法用协同过滤技术进行推 越发困难。那么，如何为用户提供正确推荐是 目前推荐技 荐。解决这一问题的一个有效方法就是结合项 目的内容 术所要解决的问题 。