王猛
- 作品数：2 被引量：7H指数：2
- 供职机构：华东理工大学信息科学与工程学院更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 音乐个性化推荐算法RR-UBPMF的研究被引量：2
- 2017年
- 大规模隐式反馈数据的使用是推荐系统中的研究热点和难点问题。针对隐式反馈数据高噪声和缺少负反馈的特点,以音乐推荐为背景,在研究概率矩阵分解模型(PMF)的基础上提出了一种直接优化排名倒数(RR)的概率矩阵分解模型(RR-PMF)。通过与User-based KNN算法相结合提出了RR-UBPMF算法,并利用交叉最小二乘法(ALS)进行优化学习。在last.fm数据集上的实验结果表明,该算法在准确率(Precision)、尤其是在标准化折算累加值(NDCG)等评价指标上表现出极大的优势,能够明显提高预测准确性,并且具有良好的可拓展性。
- 王猛叶西宁
- 关键词：推荐系统协同过滤KNN
- 音乐个性化推荐算法TFPMF的研究被引量：5
- 2019年
- 基于情境感知的个性化推荐是近年来推荐系统中的研究热点和难点问题,数据稀疏是当前推荐系统面临的主要问题。以音乐推荐为背景,改进了多种情境信息的表示方法,将优化排名倒数(RR)的概率矩阵分解模型(RR-PMF)与张量分解相结合,提出了张量概率矩阵分解模型(TFPMF),并使用交叉最小二乘法(ALS)优化该模型。使用last.fm数据集进行仿真实验,通过仿真模型得出TOP-N推荐列表,结果表明该算法在准确率(Precision)、召回率(Recall)和标准化折算累加值(NDCG)评价指标上具有很大的优势,该算法能够有效缓解数据稀疏问题。
- 叶西宁王猛
- 关键词：推荐系统张量分解
