融合朋友关系和标签的张量分解推荐算法
大小：0.75 MB 人气： 2018-01-07 需要积分：1
标签：推荐算法(9953)
针对大众标注网站项目推荐系统中存在数据矩阵稀疏性影响推荐效果的问题，考虑矩阵奇异值分解（SVD）能有效地平滑数据矩阵中的数据，以及朋友圈能够反映出一个人的兴趣爱好，提出了一种融合朋友关系和标签信息的张量分解推荐算法。首先，利用高阶奇异值分解（ HOSVD）方法对用户一项目一标签三元组信息进行潜在语义分析和多路降维，分析用户、项目、标签三者间关系；然后，再结合用户朋友关系、朋友间相似度，修正张量分解结果，建立三阶张量模型，从而实现推荐。该模型方法在两个真实数据集上进行了实验，结果表明，所提算法与高阶奇异值分解的方法比较，在推荐的召回率和精确度指标上分别提高了2. 5%和4%，因此，所提算法进一步验证了结合朋友关系能够提高推荐的准确率，并扩展了张量分解模型，实现用户个性化推荐。
非常好我支持^.^
(0) 0%
不好我反对
(0) 0%
下载地址
融合朋友关系和标签的张量分解推荐算法下载
相关电子资料下载
- TikTok将开发独立版推荐算法，以满足美国用户需求？ 426
- 快手的短视频推荐算法（1） 782
- 详解推荐算法的架构流程 2871
- 《麻省理工科技评论》发布了最新的2021年10大突破性威廉希尔官方网站 的概念 2814
- top-N推荐算法评测的影响有哪些？ 1846
- 基于赛灵思FPGA的广告推荐算法Wide and deep硬件加速案例 2775
- 互联网广告推荐迎来变革，雪湖科技联合赛灵思发布推荐算法解决方案 1614
- 基于阿里云FPGA云的广告推荐算法加速器 985
- 基于深度学习的推荐算法大部分都存在不同程度的数据集缺失和源码缺失 3690
- 基于标签的推荐算法应用场景、基于标签的推荐算法原理介绍 16714