基于用户分类的隐含因子模型研究

针对现有隐含因子模型存在的新用户冷启动问题,提出基于用户分类的隐含因子模型,将用户分类信息融入到隐含因子的矩阵分解当中。先在原评分矩阵和用户分类信息的基础上使用指示函数和数据归一化等方法构建一个分类评分矩阵;再将分类评分矩阵融入到隐含因子模型的评分预测中。通过与传统隐含因子模型等方法在多个不同隐含因子个数上的实验比较分析,实验结果表明,改进模型不仅能够解决新用户和项目的冷启动问题,还能有效降低预测评分的均方根误差,并提高预测推荐的准确度。

出租车载客点个性化推荐算法

不同的出租车司机在寻找乘客选取载客点时会有不同倾向,利用三种推荐算法对上海出租车司机载客点选取行为进行分析,根据司机对载客点的喜好程度进行个性化推荐.首先,利用基于用户和基于项目的协同过滤的算法来对出租车司机的载客点进行推荐,利用正确率指标来验证算法,实验证实了这两种算法的可行性;之后,考虑到出租车的载客行为受到时间的影响,在上述两种算法基础上增加了时间因子;最后,利用隐含因子模型(LFM),将出租车与载客点的共现矩阵进行分解,根据分解所得矩阵进行兴趣度的分析.实验结果证明,三种方法可有效形成推荐,且LFM算法推荐准确率较高.