结合隐式反馈与相关性建模的概率流式张量分解推荐模型 |
| |
引用本文: | 赵建立,姚彬,陈建建,李浩.结合隐式反馈与相关性建模的概率流式张量分解推荐模型[J].山东科技大学学报(自然科学版),2023(3):76-84. |
| |
作者姓名: | 赵建立 姚彬 陈建建 李浩 |
| |
作者单位: | 山东科技大学计算机科学与工程学院 |
| |
基金项目: | 国家自然科学基金项目(62072288);;山东省自然科学基金项目(ZR2021MF104,ZR2021MF113);;青岛市科技计划重点研发专项(21-1-2-19-xx); |
| |
摘 要: | 在推荐系统中,流式张量分解模型常被用于分析和处理高维流式数据,并向用户推荐可能感兴趣的商品。然而现有模型常常忽略对象特征之间的相关性,缺乏有效的先验建模,并且模型大多仅使用显式评分数据,忽略对隐式反馈信息的利用,导致模型精度下降。针对以上问题,提出一种结合隐式反馈与相关性建模的概率流式张量分解推荐模型(POSTFR)。POSTFR通过添加具有Lewandowski-Kurowicka-Joe(LKJ)先验的协方差矩阵建模对象间的相关性,并在其中加入隐式反馈信息以提高频繁出现的对象的权重,提高了模型的准确度。在多个真实数据集上,POSTFR比其他概率流式模型取得更好的效果。
|
关 键 词: | 张量分解 流式数据 隐式反馈 概率流式模型 推荐模型 |
|