矩阵分解通过降维的方式可以在一定程度上解决数据的稀疏性问题。考虑时间信息可以根据时间信息的变化来预测用户对物品的兴趣趋势,邻域关系可以产生以共同兴趣为基础的推荐。现在所研究的矩阵分解中很少综合考虑时间信息和邻域关系对用户评分预测的影响,提出一种融合时间和邻域信息的矩阵分解算法,将时间信息与领域关系直接映射到用户—物品—时间的三维空间,通过隐含特征直接寻找它们之间的潜在关系。在MovieLens上的实验结果表明,提出的推荐算法在一定程度上提高了推荐结果的准确性。
科研之友
微信
新浪微博
Facebook
分享链接
