基于隐马尔科夫模型(HMM)与张量分解的两阶段个性化推荐模型与应用

作     者：张浩 何杰 李慧宗 赵钢 周凌云 ZHANG Hao;HE Jie;LI Hui-zong;ZHAO Gang;ZHOU Ling-yun

作者机构：淮阴工学院交通工程学院淮安223003 东南大学交通学院南京210096 合肥工业大学计算机与信息学院合肥230009 淮阴工学院管理工程学院淮安223003 

基　　金：国家统计局基金项目(2014LY058) 江苏省高校哲学社会科学基金项目(2014SJB688)资助 

出 版 物：《科学技术与工程》 (Science Technology and Engineering)

年 卷 期：2016年第16卷第19期

页      码：84-90,115页

摘      要：针对个性化推荐系统中用户偏好的进化学习与高维稀疏数据处理的问题。受隐马尔科夫模型(HMM)结构特征启发,提出了一种考虑上下文感知的两阶段用户偏好集推理策略的个性化推荐算法(HHRA算法)。通过对系统历史评分信息的处理,将用户偏好的提取过程抽象为一个HMM模型,来进行第一阶段的用户偏好集学习与推理。然后在此基础上,引入用户的实时上下文信息,构建了一种融入用户实时偏好的张量模型,并基于一种改进的高阶奇异值分解算法来处理高维稀疏的数据集,对模型进行优化求解,生成最优推荐集合。实验设计在3个具有不同特征的真实数据集上将HHRA算法与传统经典推荐算法进行对比分析,结果显示HHRA算法具有较好的适应性和推荐质量。

主 题 词：用户偏好 隐马尔科夫模型(HMM) 高阶奇异值分解算法 推荐系统 

学科分类：12[管理学] 120202[120202] 0202[经济学-财政学类] 02[经济学] 1202[管理学-工商管理类] 1201[管理学-管理科学与工程类] 081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.3969/j.issn.1671-1815.2016.19.013

馆 藏 号：203165669...