基于因子分解机的信任感知商品推荐-山东大学学报理学版.PDFVIP

　第５１卷　第１期 山　东　大　学　学　报　（理　学　版） ２０１６年１月　 　 　 　 　 　 　Ｖｏｌ．５１　 Ｎｏ．１　 　 　 　 　 ＪｏｕｒｎａｌｏｆＳｈａｎｄｏｎｇＵｎｉｖｅｒｓｉｔｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅ） Ｊａｎ．２０１６　 　文章编号：１６７１９３５２（２０１６）０１００８９０６　　　ＤＯＩ：１０６０４０／ｊ．ｉｓｓｎ．１６７１９３５２１２０１５１０６ 基于因子分解机的信任感知商品推荐 １ １，２ ２ 高晓波 ，方献梅 ，李石君 （１．河池学院计算机与信息工程学院，广西 宜州５４６３００；２．武汉大学计算机学院，湖北 武汉４３００７９） 摘要：数据稀疏和运行速度慢是个性化推荐系统面临的难题。为了有效利用用户历史行为，基于用户的评分记录 识别出用户感兴趣的内容，并结合用户间的信任关系，提出使用因子分解机（ｆａｃｔｏｒｉｚａｔｉｏｎｍａｃｈｉｎｅ，ＦＭ）模型进行 评分预测。ＦＭ具有线性时间复杂度，并且对于稀疏的数据具有很好的学习能力，因而能进行快速推荐。试验结 果表明，与传统方法相比，基于因子分解机的商品推荐方法的准确度有明显提高。 关键词：电子商务；商品推荐；信任；因子分解机 中图分类号：ＴＰ３９１　　　文献标志码：Ａ 引用格式：高晓波，方献梅，李石君．基于因子分解机的信任感知商品推荐［Ｊ］．山东大学学报（理学版），２０１６，５１（１）：８９９４． Ｔｒｕｓｔａｗａｒｅｐｒｏｄｕｃｔｒｅｃｏｍｍｅｎｄａｔｉｏｎｂａｓｅｄｏｎｆａｃｔｏｒｉｚａｔｉｏｎｍａｃｈｉｎｅ １ １，２ ２ ＧＡＯＸｉａｏｂｏ，ＦＡＮＧＸｉａｎｍｅｉ ，ＬＩＳｈｉｊｕｎ （１．ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒａｎｄＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＨｅｃｈｉＵｎｉｖｅｒｓｉｔｙ，Ｙｉｚｈｏｕ５４６３００，Ｇｕａｎｇｘｉ，Ｃｈｉｎａ； ２．ＣｏｍｐｕｔｅｒＳｃｈｏｏｌ，ＷｕｈａｎＵｎｉｖｅｒｓｉｔｙ，Ｗｕｈａｎ４３００７９，Ｈｕｂｅｉ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｈｅｐｅｒｓｏｎａｌｉｚｅｄｒｅｃｏｍｍｅｎｄｅｒｓｙｓｔｅｍｓｕｆｆｅｒｓｆｒｏｍｓｐａｒｓｅｄａｔａａｎｄｓｌｏｗｒｅｃｏｍｍｅｎｄａｔｉｏｎｓｐｅｅｄ．Ａｓｃｏｒｅ ｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌｂａｓｅｄｏｎＦａｃｔｏｒｉｚａｔｉｏｎＭａｃｈｉｎｅ（ＦＭ）ｗａｓｐｒｏｐｏｓｅｄ．ＴｈｅＦＭｍｏｄｅｌｕｔｉｌｉｚｅｓｕｓｅｒｓａｃｃｅｓｓｈｉｓｔｏｒｙ，  ｉｄｅｎｔｉｆｉｅｓｕｓｅｒｉｎｔｅｒｅｓｔｅｄｃｏｎｔｅｎｔｓｂａｓｅｄｏｎｔｈｅｉｒｓｃｏｒｉｎｇｒｅｃｏｒｄｓａｎｄｉｎｔｅｇｒａｔｅｓｔｒｕｓｔｓａｍｏｎｇｄｉｆｆｅｒｅｎｔｕｓｅｒｓ．ＦＭｈａｓａ ｌｉｎｅａｒｔｉｍｅｃｏｍｐｌｅｘｉｔｙａｎｄｅｘｃｅｌｌｅｎｔｌｅａｒｎｉｎｇｃａｐａｂｉｌｉｔｙｆｏｒｓｐａｒｓｅｄａｔａ，ｓｏｉｔｃａｎｑｕｉｃｋｌｙｒｅｃｏｍｍｅｎｄ．Ｔｈｅｒｅｓｕｌｔｓ ｓｈｏｗｅｄｔｈａｔｔｈｅｐｒｏｐｏｓｅｄＦＭｍｏｄｅｌｂａｓｅｄｏｎｐｒｏｄｕｃｔｒｅｃｏｍｍｅｎｄａｔｉｏｎａｐｐｒｏａｃｈｗａｓｓｉｇｎｉｆｉｃａｎｔｌｙｍｏｒｅａｃｃｕｒａｔｅｔｈａｎ ｔｈｅｔｒａｄｉｔｉｏｎａｌｍｅｔｈｏｄｓ． Ｋｅｙｗｏｒｄｓ：ｅｃｏｍｍｅｒｃｅ；ｐｒｏｄｕｃｔｒｅｃｏｍｍｅｎｄａｔｉｏｎ；ｔｒｕｓｔ；ｆａｃｔｏｒｉｚａｔｉｏｎｍａｃｈｉｎｅ ０　引言 随着信息技术和互联网技术的快速发展，电子商务迅速普及，人们在家就可以上网浏览、购买自己感兴 趣的商品，给人