-
作者
赵建立姚彬陈建建李浩
-
单位
山东科技大学计算机科学与工程学院
-
摘要
在推荐系统中，流式张量分解模型常被用于分析和处理高维流式数据，并向用户推荐可能感兴趣的商品。然而现有模型常常忽略对象特征之间的相关性，缺乏有效的先验建模，并且模型大多仅使用显式评分数据，忽略对隐式反馈信息的利用，导致模型精度下降。针对以上问题，提出一种结合隐式反馈与相关性建模的概率流式张量分解推荐模型(POSTFR)。POSTFR通过添加具有Lewandowski-Kurowicka-Joe(LKJ)先验的协方差矩阵建模对象间的相关性，并在其中加入隐式反馈信息以提高频繁出现的对象的权重，提高了模型的准确度。在多个真实数据集上，POSTFR比其他概率流式模型取得更好的效果。
-
关键词
张量分解流式数据隐式反馈概率流式模型推荐模型
-
基金项目(Foundation)
国家自然科学基金项目(62072288)；山东省自然科学基金项目(ZR2021MF104,ZR2021MF113)；青岛市科技计划重点研发专项(21-1-2-19-xx)；青岛市西海岸新区科技计划项目(2020-1-6)；
-
文章目录
1 模型的符号表示及CP分解介绍
1.1 符号表示
1.2 CP分解简介
2 POSTFR模型
2.1 贝叶斯框架
2.2 POSTFR的先验设置
2.3 结合隐式反馈的后验更新
3 实验
3.1 数据集及实验设置
3.2 实验结果及分析
3.3 消融实验
4 总结与展望
-
引用格式
赵建立,姚彬,陈建建,李浩.结合隐式反馈与相关性建模的概率流式张量分解推荐模型[J].山东科技大学学报(自然科学版),2023,42(03):76-84.DOI:10.16452/j.cnki.sdkjzk.2023.03.009.
76
41
山东科技大学学报(自然科学版) 
2023年第03期 
