原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
第３４卷第１期运筹与管理Ｖｏｌ．３４，Ｎｏ．１
２０２５年１月ＯＰＥＲＡＴＩＯＮＳＲＥＳＥＡＲＣＨＡＮＤＭＡＮＡＧＥＭＥＮＴＳＣＩＥＮＣＥＪａｎ．２０２５
融入概率矩阵分解模型的改进二部图推荐算法
甘沛露，宋一豪，朱晓雄，周支立
（西安交通大学管理学院，陕西西安７１００４９）
摘要：针对历史数据稀疏和分布不均衡影响二部图算法推荐效果的问题，一方面通过带约束的概率矩阵分解模
型预测项目评分，设置权重对初始评分数据矩阵进行填充以扩充数据；另一方面，在传统二部图推荐算法的研究基
础上，通过修正用户评分标准、融入时间效应因素、扩充用户评分信息，从而改进资源初始配置和分配方式以充分
利用历史数据，实现对二部图推荐算法进行改进。最后，使用推荐算法领域常用的ＭｏｖｉｅＬｅｎｓ数据集采用五折交叉
验证的方式进行实验，并与传统二部图推荐算法进行比较。实验结果表明，每一步改进都提高了二部图算法的推
荐效果，并且二部图算法与概率矩阵分解模型结合后，算法的推荐效果有显著提升。
关键词：二部图推荐算法；数据稀疏性；概率矩阵分解；矩阵填充
中图分类号：ＴＰ３０１．６文章标识码：Ａ文章编号：１００７３２２１（２０２５）０１０００１０７ｄｏｉ：１０．１２００５／ｏｒｍｓ．２０２５．０００１
ＩｍｐｒｏｖｅｄＢｉｐａｒｔｉｔｅＧｒａｐｈＲｅｃｏｍｍｅｎｄａｔｉｏｎＡｌｇｏｒｉｔｈｍＩｎｔｅｇｒａｔｉｎｇ
ＰｒｏｂａｂｉｌｉｔｙＭａｔｒｉｘＦａｃｔｏｒｉｚａｔｉｏｎＭｏｄｅｌ
ＧＡＮＰｅｉｌｕ，ＳＯＮＧＹｉｈａｏ，ＺＨＵＸｉａｏｘｉｏｎｇ，ＺＨＯＵＺｈｉｌｉ
（ＳｃｈｏｏｌｏｆＭａｎａｇｅｍｅｎｔ．Ｘｉ’ａｎＪｉａｏｔｏｎｇＵｎｉｖｅｒｓｉｔｙ，Ｘｉ’ａｎ７１００４９，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：ＷｉｔｈｔｈｅｄｅｖｅｌｏｐｍｅｎｔｏｆｔｈｅＩｎｔｅｒｎｅｔｔｅｃｈｎｏｌｏｇｙａｎｄｔｈｅｄｉｖｅｒｓｉｔｙｏｆｐｅｒｓｏｎａｌｄｅｍａｎｄ，ｐｅｒｓｏｎａｌｉｚｅｄ
ｒｅｃｏｍｍｅｎｄａｔｉｏｎａｔｔｒａｃｔｓｗｉｄｅａｔｔｅｎｔｉｏｎ．Ｆｏｒｓｏｍｅｉｔｅｍｓ，ｓｕｃｈａｓｍｏｖｉｅ，ｇｏｏｄｓ，ｎｅｗｓａｎｄｓｏｏｎ，ｉｎｔｅｒａｃｔｉｏｎｄａｔａ
ｉｓｇｅｎｅｒａｔｅｄａｓｕｓｅｒｓａｎｄｉｔｅｍｓｉｎｔｅｒａｃｔｍｕｔｕａｌｌｙ，ｗｈｉｃｈｉｓｍａｉｎｌｙａｃｈｉｅｖｅｄｂｙｕｓｅｒｓ’ｓｅｌｅｃｔｉｏｎｏｆｉｔｅｍｓ．Ｂａｓｅｄ
ｏｎｓｕｃｈｉｎｔｅｒａｃｔｉｏｎｄａｔａ，ｕｓｅｒｐｒｅｆｅｒｅｎｃｅｂｅｈａｖｉｏｒｉｎｆｏｒｍａｔｉｏｎｃａｎｂｅｍｉｎｅｄｂｙｔｈｅｒｅｃｏｍｍｅｎｄａｔｉｏｎａｌｇｏｒｉｔｈｍ．
Ａｃｃｏｒｄｉｎｇｌｙ，ｍｏｒｅｉｔｅｍｓｔｈａｔｍａｙｂｅｆａｖｏｒｅｄｂｙｕｓｅｒｓｗｉｌｌｂｅｒｅｃｏｍｍｅｎｄｅｄｔｏｔｈｅｍ，ｗｈｉｃｈｉｍｐｌｉｅｓｔｈａｔｐｅｒｓｏｎａｌ
ｒｅｃｏｍｍｅｎｄａｔｉｏｎｉｓａｃｈｉｅｖｅｄ．Ｓｕｃｈｄａｔａｍｉｎｉｎｇｒｅｑｕｉｒｅｓａｄｅｑｕａｔｅｈｉｓｔｏｒｉｃａｌｄａｔａｔｏａｃｈｉｅｖｅａｇｒｅａｔｒｅｃｏｍｍｅｎｄａ
ｔｉｏｎｐｅｒｆｏｒｍａｎｃｅ．Ｈｏｗｅｖｅｒ，ｉｎｔｅｒａｃｔｉｏｎｄａｔａｉｓｏｆｔｅｎｓｐａｒｓｅａｎｄｕｎｂａｌａｎｃｅｄａｓｅａｃｈｕｓｅｒｈａｓｏｎｌｙｓｅｌｅｃｔｅｄａｆｅｗ
ｉｔｅｍｓ，ａｎｄｅａｃｈｉｔｅｍｈａｓｎｏｔｂｅｅｎｓｅｌｅｃｔｅｄｂｙａｌｌｕｓｅｒｓ．Ｔｈｅｒｅｆｏｒｅ，ｔｈｅｒｅｃｏｍｍｅｎｄａｔｉｏｎｅｆｆｅｃｔｏｆｔｈｅａｌｇｏｒｉｔｈｍ
ｗｉｌｌｂｅｇｒｅａｔｌｙａｆｆｅｃｔｅｄ．Ａｂｉｐａｒｔｉｔｅｇｒａｐｈｂａｓｅｄｏｎｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｉｎｔｅｒａｃｔｉｏｎｂｅｔｗｅｅｎｕｓｅｒｓａｎｄｉｔｅｍｓ
文档评论（0）