基于特征因子的电影推荐系统矩阵分解模型
信息检索
2023-12-05 v2 数值分析
数值分析
摘要
目前，矩阵分解是通过因子分解有效处理大规模评分矩阵应用最广泛的协同过滤算法之一。它主要利用用户与物品之间的交互记录来预测评分。基于物品与用户的特征属性，本文提出一种新的 UISVD++ 模型，将电影的类型属性与用户的年龄属性融合进 SVD++ 框架。通过将年龄属性投影到用户隐空间、将类型属性投影到物品隐空间，该模型丰富了用户与物品的侧信息。最后，我们在 Movielens-100K 和 Movielens-1M 两个公开数据集上进行了对比实验。实验结果表明，该模型在评分预测任务中的预测精度优于其他基线模型。此外，这些结果也表明 UISVD++ 能有效缓解冷启动情形。
引用
@article{arxiv.2206.05654,
title = {A Matrix Decomposition Model Based on Feature Factors in Movie Recommendation System},
author = {Dan Liu and Hou-biao Li},
journal= {arXiv preprint arXiv:2206.05654},
year = {2023}
}
备注
11 pages, 8 figures, 9 tables