基于概率矩阵分解的加权Slope One算法

作     者：宋静楠 

作者单位：东北师范大学 

学位级别：硕士

导师姓名：高巍

授予年度：2023年

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）] 

主      题：协同过滤推荐算法 概率矩阵分解 Slope One算法 用户相似度 项目相似度 

摘      要：随着信息时代的飞速发展,人们接触到的信息量正在以指数级别的趋势增长,为了让用户在最短的时间内找到自己需要的信息,推荐系统应运而生。本文对比较常用的Slope One推荐算法进行了深入的研究,该算法是一种基于内存的协同过滤算法,因其具有推荐效率高、容易理解、容易实现等优点而被广泛应用于推荐系统。但是原始的Slope One算法没有考虑到用户相似性和项目相似性问题,因此推荐质量有待提高。为了改善这一问题,本文将用户相似度和项目相似度作为权重纳入了Slope One算法的计算,旨在提高其评分预测的准确度。在进行相似度的计算时,本文没有使用稀疏的评分矩阵而是使用概率矩阵分解(PMF)得到的用户特征矩阵和项目特征矩阵。由于这两个矩阵能够挖掘出更多的用户和项目的隐含信息,因此更适合用来计算相似度。故本文将概率矩阵分解算法(PMF)和Slope One算法进行结合,提出了基于概率矩阵分解的加权Slope One算法。在实验过程中,本文首先探究了算法参数的最优取值问题,然后将改进后的算法与Slope One算法(SO)、加权Slope One算法(WSO)及其他常见的推荐算法进行了比较。结果表明,本文提出的三种算法在预测用户对未知项目评分的准确度上均有明显提升。