基于上下文与马尔科夫矩阵分解的流式推荐算法

作     者：纪淑娟 申彦博 王振 JI Shujuan;SHEN Yanbo;WANG Zhen

作者机构：山东科技大学计算机科学与工程学院山东青岛266590 

出 版 物：《陕西师范大学学报（自然科学版）》 (Journal of Shaanxi Normal University：Natural Science Edition)

年 卷 期：2022年第50卷第3期

页      面：104-111页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(71772107,62072288) 青岛社会科学规划研究(QDSKL1801138) 山东省自然科学基金(ZR2018BF013,ZR2013FM023,ZR2014FP011) 

主　　题：流式数据 上下文 矩阵分解 信息增益 流式推荐算法 

摘      要：为了验证用户对项目评分时所处的上下文环境是否会对用户的偏好产生影响,基于矩阵过程的马尔科夫分解方法,提出了一种基于上下文的流式推荐算法(streaming recommendation algorithm based on context,C-SRA),该方法可以从嘈杂的上下文中有效选取与评分相关的上下文信息,并将选取的上下文信息分为主观上下文和客观上下文两类。基于LDOS-CoMoDa数据集的两组对比实验显示,C-SRA算法无论是评分预测性能还是推荐性能均优于其他对比算法。