文献类型：期刊文献

中文题名：音乐个性化推荐算法TFPMF的研究

作者：叶西宁[1];王猛[1];

机构：[1]华东理工大学信息科学与工程学院;

年份：2018

期号：7

起止页码：1397

中文期刊名：系统仿真学报

基金：国家自然科学基金(61304071);

语种：中文

中文关键词：推荐系统;排名倒数;概率矩阵分解;张量分解;TFPMF(基于张量分解的概率矩阵分解);

摘要：基于情境感知的个性化推荐是近年来推荐系统中的研究热点和难点问题,数据稀疏是当前推荐系统面临的主要问题。以音乐推荐为背景,改进了多种情境信息的表示方法,将优化排名倒数(RR)的概率矩阵分解模型(RR-PMF)与张量分解相结合,提出了张量概率矩阵分解模型(TFPMF),并使用交叉最小二乘法(ALS)优化该模型。使用last.fm数据集进行仿真实验,通过仿真模型得出TOP-N推荐列表,结果表明该算法在准确率(Precision)、召回率(Recall)和标准化折算累加值(NDCG)评价指标上具有很大的优势,该算法能够有效缓解数据稀疏问题。