共 2 条
基于大规模隐式反馈的个性化推荐
被引：58
作者：
印鉴
王智圣
李琪
苏伟杰
机构：
[1] 中山大学信息科学与技术学院
来源：
基金：
广东省科技计划;
广东省自然科学基金;
关键词：
隐式反馈;
推荐系统;
大数据;
MapReduce;
D O I：
10.13328/j.cnki.jos.004648
中图分类号：
TP391.3 [检索机];
学科分类号：
摘要：
对如何利用大规模隐式反馈数据进行个性化推荐进行了研究,提出了潜在要素模型IFRM.该模型通过将推荐任务转化为选择行为发生概率的优化问题,克服了在隐式反馈推荐场景下只有正反馈而缺乏负反馈导致的困难.在此基础上,为了进一步提高效率和可扩展性,提出了并行化的隐式反馈推荐模型p-IFRM.该模型通过将用户及产品随机分桶并重构优化更新序列,达到了并行优化的目的.通过概率推导,所提出的模型有坚实的理论基础.通过在MapReduce并行计算框架下实现p-IFRM,并在大规模真实数据集上进行实验,可以证明所提出的模型能够有效提高推荐质量并且有良好的可扩展性.
引用
收藏
页码：1953 / 1966
页数：14
相关论文