融入用户与物品特征信息的动态RSVD算法  

An Dynamic RSVD Algorithm with User Feature And Item Feature

作　　者：霍淑华[1] 杜永萍[1] 黄亮[1] 何明[1] 

机构地区：[1]北京工业大学计算机学院,北京100124

出　　处：《山西大学学报（自然科学版）》2015年第1期24-30,共7页Journal of Shanxi University(Natural Science Edition)

基　　金：国家科技支撑计划子课题(2013BAH21B02-01);北京市自然科学基金(4123091);北京市属高等学校人才强教深化计划"中青年骨干人才培养计划"(PHR20110815)

摘　　要：对基于奇异值分解的协同过滤推荐算法RSVD进行研究和改进,在算法中分别融入了用户评分的时间信息,用户特征信息与物品特征信息,加入了用户与物品的时间偏置、用户注册信息偏置、物品特征信息偏置等,提出了一种改进算法:FeatureTRSVD算法。在Movielen-10M数据集上的实验结果和t-检验结果表明,这种改进算法显著提高了系统的性能,其MAE值达到0.670 0,RMSE值达到0.854 8。Collaborative filtering algorithm-RSVD basedon singular value decomposition was studied,in which includes the timing information,the user＇s feature information and item＇s feature information.We propose an improved algorithm-FeatureTRSVD,in which we integrate three useful biases：the time-changing user bias and time-changing item bias,the user register information bias and the item feature bias.The experimental results on MovieLens-10 Mdataset and the t-test results show that the FeatureTRSVD outperforms RSME remarkably,and its MAE value is 0.6700 and the RMSE value is 0.8548.

关 键 词：推荐系统 协同过滤 RSVD 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]