评分预测问题中个性化推荐模型的研究  

Research on the personalized recommendation model in rating prediction

作　　者：孟利民[1] 赵维[1] 应颂翔[1] 

机构地区：[1]浙江工业大学信息工程学院,浙江杭州310023

出　　处：《浙江工业大学学报》2016年第2期119-123,共5页Journal of Zhejiang University of Technology

基　　金：国家自然科学基金资助项目(61372087)

摘　　要：评分预测问题的主要任务是通过分析用户的历史评分数据集,预测给定用户对新物品的评分,是推荐系统中最热门的问题之一.评分数据表征了用户对物品的明确观点,具有很高的挖掘价值.在对平均值预测模型、基于用户的邻域模型(UserCF)以及基于奇异值分解的模型(SVD)等进行了全面分析和研究的基础上,对各个模型进行了不同程度的改进,最后使用MoiveLens的公开数据集将传统模型和改进后的模型进行对比测试.测试结果表明:改进后的新模型相比传统的推荐模型在推荐结果的精度上有了不同程度的提高.Rating prediction is one of the hottest issues in the recommendation system.Its main task is to predict a user＇s rating for a new item based on the analysis of user＇s history rating data.The rating data reveal the user＇s view on items clearly and it will be of high mining value.The average prediction model, the neighborhood-based user model and the singular value decomposition-based model are studied and improved with certain degrees.Based on the MoiveLens＇s public data set,the traditional model and the improved model are compared.The test results show that the improved model is better than the traditional model in prediction accuracy.

关 键 词：推荐模型 邻域模型 矩阵分解 加权融合 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]