基于时间的局部低秩张量分解的协同过滤推荐算法-计算机科学.PDFVIP

Vo1. 44 No. 7 第 44 卷第7 期 计算机科学 2017 年 7 月 COMPUTER SCIENCE July 2017 基于时间的局部低秩张量分解的协同过滤推荐算法 孙艳歌1 ， 2 王志海1 黄丹1 (北京交通大学计算机与信息技术学院 北京 100044)1 (信阳师范学院计算机与信息技术学院 信阳 464000)2 摘 要 传统的推荐模型是静态的，忽略了时间因素。部分推荐算法虽然将时间因素考虑在内，但只是简单使用最近 的数据或者降低过去数据的权重，这样可能会造成有用信息的丢失。针对这一问题，提出了一种考虑时间因素的局部 低秩张量分解推荐算法。在传统的推荐算法的基础上，放松用户对项目的评分矩阵是低秩的这一假设，认为整个评分 矩阵可能不是低秩的而是局部低秩的，即特定用户项目序偶的近邻空间是低秩的;同时又考虑时间因素，把手平分矩阵 看作是用户、项目和时间 3 个维度的张量，将传统的推荐算法延伸到张量领域。实验表明，所提算法能显著提升排名 推荐性能。 关键词 推荐系统，时间因素，张量分解，局部低秩 中固法分类号 TP311 文献标识码 A DOI 10. 11896/j. issn. 1002-137X. 2017. 07. 040 Time-based Local Collaborative Filtering Recommendation Algorithm on Tensor Factorization 1 1 1 SUN Yan-ge ,2 WANG Zhi-hai HUANG Dan (School of Computer and Information Technology ,Beijing Jiaotong University ,Beijing 100044 ,China)1 (School of Computer and Information Technology ,Xinyang Normal University ,Xinyang 464000 ,China)2 Abstract Traditiona1 recommendation mode1s are stationary with neg1ecting time factor. Some recommendation a1go rithms take time factor into consideration ,but what they do is using the 1atest data or reducing the weight of past data. It may 1ead to the 10ss of some usefu1 inforτnation. To solve the above prob1em ,a time-based 10ca11ow-rank tensor fac torization a1gorithm was proposed. In contract to standard collaborative filtering a1gorithms ,our method does not as sume that the rating matrix is 10w-rank. We re1axed the assumption and assumed that the rating matrix is 10call