融合因子分解的上下文推荐算法研究
乔雨
圣文顺
南京工业大学浦江学院 南京 211200
摘要：推荐系统作为帮助用户快速获取有用信息的重要工具之一,得到了深入的研究和广泛的应用.为了更好地挖掘基于上下文信息的推荐场景中"用户-项目-上下文"三者之间的潜在关系,定位用户可能的兴趣点,进而提升推荐准确度和用户体验.通过分析目前已有的关于上下文情景数据处理技术的原理和特点,在时间复杂度或者时效性方面仍存在着不足之处,这也是目前融合上下文推荐算法的研究重点和难点之一.针对推荐的时间复杂度高这一方面,提出了融合因子分解技术的推荐算法(FM-CR)来提升基于上下文推荐的效果,包括用户接受率和时间复杂度.经过实验证明,提出的融合因子分解技术的推荐算法(FM-CR)能够在保证用户的推荐接受率的情况下,使得产生推荐结果的时间效率有了明显提高.
关键词：推荐系统上下文信息因子分解时间复杂度推荐接受率
分类号：TP311(计算技术、计算机技术)
资助基金：江苏省高等学校自然科学研究面上项目(19KJD520005)
论文发表日期：2021-06-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 1123-1126,1204 )
英文信息