URTP:一种基于用户-区域-时间-商品的因子分解推荐模型  

URTP:A Factorization Model for Recommendation Based on Users,Regions,Time and Products

作　　者：胡亚慧[1,2] 杨莎[3] 刘晶[4] 余伟[1] 李石君[1] 王俊[1] 方其庆[2] 

机构地区：[1]武汉大学计算机学院,武汉430079 [2]空军预警学院,武汉430019 [3]汉口学院计算机科学与技术学院,武汉430212 [4]中南民族大学计算机科学学院,武汉430074

出　　处：《计算机科学》2016年第9期107-110,130,共5页Computer Science

基　　金：国家自然科学基金项目(61272109);青年自然科学基金(61502350);中央高校基本科研业务费专项资金项目(2042014kf0057);湖北省自然科学基金项目(2014CFB289);空军预警学院青年创新基金(2013ZDJC0101)资助

摘　　要：如何从海量的数据中将不同的商品在恰当的时间、合理的位置推荐给适当的人(或人群)是当前面临的主要挑战。考虑到不同国家不同区域的人(或人群)在宗教信仰、职业、教育程度等方面有着不同的文化背景差异,以及大数据环境下商品推荐常常面临数据稀疏和冷启动等问题,从签到数据中抽取出目标用户所在的地理位置,根据该位置的文化背景特点筛选出与目标用户有相似或相同的文化背景的人群;再根据每个商品适宜购买的最佳合理时间和间隔购买时间选出恰当的商品,运用因子分解机的思想建立用户-区域-时间-商品因子分解模型。大量真实数据集上的实验表明该模型能够在数据量大、高稀疏的数据环境下进行商品推荐,验证了该方法的可行性、有效性和高效性。How to recommend a right person with the right products at the right time and place is a challenging topic. First, different users have different culture backgrounds including religion, career, education, preference, etc. Then, dif- ferent products should be purchased again in different reasonable interval time. And the multi-source heterogeneous, fragmented,various and inconsistent e-commerce data cause problems of sparse data and even cold start. To address these problems, we extracted users＇ cultural background with their longitude, latitude and city functional regions. Then, we analyzed the reasonable purchase time and reasonable interval time for different products. And we built a URTP model, which is a faetorization model based on users, regions, time and products for recommendation. Experimental re- suits verify the feasibility,effectiveness and efficiency of our algorithm.

关 键 词：商品推荐 文化 大数据 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术]