基于因子分解机和隐马尔可夫的推荐算法

来源：计算机技术与发展杂志2019年第06期北京时间：

作者：王晓耘;李贤;袁媛

摘要：因子分解机是一种基于矩阵分解的机器学习方法,通过在矩阵中引入上下文信息,构建含有上下文信息的矩阵,能够很好地进行用户评分预测。 隐马尔可夫模型是一种含有隐含未知参数的统计模型,使用隐藏状态能够更好地符合实际情况。 传统的推荐算法在进行推荐时通常并没有引入上下文信息,这通常会影响推荐算法的效果。 鉴于上下文感知推荐算法通常能有效提高推荐精度,文中通过对推荐系统引入上下文信息并为用户添加用户隐藏兴趣状态,能够更精确地对用户进行推荐。 为此,提出了一种结合因子分解机和隐马尔可夫模型的方法。 在公开数据集上的验证结果表明,该方法相较于一些传统的推荐算法能够有效地提升推荐精度,并且在数据量增加的情况下也有较高的推荐精度。

关键词：上下文感知;因子分解机;隐马尔可夫模型;隐藏状态