移动环境下基于情境感知的个性化影视推荐算法研究

针对在移动环境下使用传统推荐算法进行个性化影视推荐时存在的准确度不高的问题,提出了一种基于情境感知的矩阵分解算法。该算法在基本矩阵分解算法的基础上,通过融入全局偏置和情境偏置来进行未知评分预测。该算法的优势在于:一方面,使用矩阵分解的方式使得矩阵的规模远远小于原始评分矩阵;另一方面,该算法充分融入了情境要素对评分的影响,使得预测评分更加精准。通过在LDOS-CoMoDa数据集上进行实验,结果表明,该算法在准确度上优于基于用户的协同过滤算法、基本矩阵分解算法和baseline预测算法。

ICAMF-CC:改进的情境感知矩阵分解算法

情境感知推荐系统是当前推荐领域的研究热点,而情境感知矩阵分解算法(CAMF-CC)是当前领域的一种有效模型。针对CAMF-CC算法在推荐时存在的准确度不高的问题,提出了一种改进的情境感知矩阵分解算法(ICAMF-CC)。该算法在原有CAMF-CC算法的基础上,通过融入项目偏置项和情境权重来进行评分预测。其优势在于,一方面,融入了项目本身特性对评分的影响;另一方面,充分考虑了不同情境因素在推荐过程中有着不同的影响力,提高了预测评分的准确度。通过在LDOS-CoMoDa数据集上进行实验,结果表明,该算法在准确度上优于CAMF-CC算法。