基于时序模型和矩阵分解的推荐算法 - 计算机应用研究.pdf

基于时序模型和矩阵分解的推荐算法 作者 蔡海尼, 牛冰慧, 文俊浩, 王喜宾 机构 重庆大学 软件学院；重庆邮电大学 软件工程学院 发表期刊 《计算机应用研究》 预排期卷 2018 年第35 卷第6 期 访问地址 /article/02-2018-06-052.html 发布日期 2017-06-14 11:56:35 引用格式 蔡海尼, 牛冰慧, 文俊浩, 王喜宾. 基于时序模型和矩阵分解的推荐算法[J/OL]. [2017-06-14]. htt p:///article/02-2018-06-052.html. 摘要 时间序列数据是一种数据属性随时间变化的高维数据类型，反映了用户兴趣的动态变化。基于时 序数据的推荐系统利用用户的行为时间提高推荐的准确性，但是不适用于大规模数据集的推荐任 务，矩阵分解方法是处理高维数据集时常用的降维方法。为此，提出一种基于时序模型和矩阵分 解的推荐算法。基于该方法，首先利用矩阵分解提取原始时序数据的特征，然后通过时序模型挖 掘特征的趋势，最后根据预测的特征得到预测结果并进行推荐。实验结果表明：所提出的算法与 已有的推荐算法相比，在均方根误差(root mean square error，… 关键词 推荐算法, 概率矩阵分解, 时序行为, 行为预测 中图分类号 TP391 基金项目 国家自然科学基金资助项目; 重庆市自然科学基金资助项目（cstc2014jcyjA40054）; 重庆市教育委员会科学技术研究项目（KJ1600437） 35 优先出版 计 算 机 应 用 研 究 第 卷 基于时序模型和矩阵分解的推荐算法* 1 1 1 2 蔡海尼 ，牛冰慧 ，文俊浩 ，王喜宾 (1 400044 2 400065) ．重庆大学 软件学院，重庆 ； ．重庆邮电大学 软件工程学院，重庆 摘 要：时间序列数据是一种数据属性随时间变化的高维数据类型，反映了用户兴趣的动态变化。基于时序数据的推荐 系统利用用户的行为时间提高推荐的准确性，但是不适用于大规模数据集的推荐任务，矩阵分解方法是处理高维数据集 时常用的降维方法。为此，提出一种基于时序模型和矩阵分解的推荐算法。基于该方法，首先利用矩阵分解提取原始时 序数据的特征，然后通过时序模型挖掘特征的趋势，最后根据预测的特征得到预测结果并进行推荐。实验结果表明：所 提出的算法与已有的推荐算法相比，在均方根误差(root mean square error ，RMSE)和平均准确率(mean average precision ， MAP) 两个指标上均有较好表现，且适用于大规模数据的推荐任务。 关键词：推荐算法；概率矩阵分解；时序行为；行为预测 中图分类号：TP391 Recommender algorithm based on time series model and matrix factorization 1