基于谱聚类群组发现和马尔科夫链的个性化推荐算法
传统的基于马尔科夫链模型的推荐算法研究的是对所有用户的转移矩阵立方体进行张量分解,存在数据稀疏和计算复杂度过高的问题.现实中,可以依据兴趣将用户分为不同的群组,为此提出一种基于马尔科夫链的谱聚类群组发现和张量分解的个性化推荐算法.首先通过谱聚类得到用户行为相似度较高的用户群组,降低数据稀疏性;然后通过张量分解每个群组的转移矩阵立方体得到群组中不同用户的个性化转移矩阵,降低计算复杂度,实现降维和降噪;最后结合用户在各个群组里相应的隶属度来得到每个用户最终的个性化转移矩阵,从而形成推荐列表.结果表明,本方法在降低数据稀疏性的同时提高了推荐结果的准确率和召回率.
推荐系统 谱聚类 马尔科夫链 个性化转移矩阵 张量分解算法
李贵 陈召新 韩子扬 李征宇 孙平 孙焕良
沈阳建筑大学信息与控制工程学院 沈阳 110168
国内会议
中国计算机用户协会网络应用分会2014年第十八届网络新技术与应用年会
昆明
中文
44-48
2014-11-01（万方平台首次上网日期，不代表论文的发表时间）