文献类型：期刊文章

作　　者：钱聪[1,2] 齐江蕾[1] 丁浩[1]

Qian Cong;Qi Jianglei;Ding Hao(School of Information Management,Nanjing University,Nanjing 210023,China;Department of Chinese Language and Literature,Hetao University,Bayannur 015000,China)

机构地区：[1]南京大学信息管理学院,南京210023 [2]河套学院汉语言文学系,巴彦淖尔015000

出　　处：《数据分析与知识发现》

基　　金：国家社会科学基金重大项目(项目编号:20&ZD154);黄河几字弯文化创新研究基地开放课题重点项目(项目编号:JZW2022001);2022年江苏省研究生科研创新计划项目(项目编号:KYCX22_0074)的研究成果之一。

年　　份：2023

卷　　号：7

期　　号：8

起止页码：119-127

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD_E2023_2024、CSSCI、CSSCI2023_2024、IC、NSSD、RCCSE、RWSKHX、SCOPUS、ZGKJHX、核心刊

摘　　要：【目的】基于用户多重自适应偏好特征时间权重改进强化潜在因子模型,以提高推荐的准确性。【方法】基于时序潜在因子模型进一步融合兴趣遗忘特征、出版物兴趣重合度以及评论文本语义层面的相似度等用户不同时间段的偏好,通过偏好权重对用户评分矩阵加权并分解,以捕捉用户在每个时间对不同出版物的多重偏好变化。【结果】在三个数据集中与4种基于时序矩阵分解基线方法进行对比实验,结果表明本文模型的准确率相较于TDMF平均提高9.26个百分点,相比TMRevCo提高17.35个百分点,相比BPTF提高38.63个百分点,相比TCMF提高26.24个百分点,说明本文模型对于用户时序特征抽取更为准确。【局限】由于兴趣漂移演变分析依赖用户历史数据,当历史数据量过于稀疏时需采用用户其他信息进行冷启动。【结论】本文模型考虑用户的遗忘特征和评论演化特征,对于用户时序兴趣漂移的捕捉更有效,更能反映用户对出版物兴趣的演化关系,提高了推荐的准确率。

关 键 词：时间序列 兴趣漂移 潜在因子  话题演化  推荐系统

分 类 号：TP391] G350[计算机类]