融合显/隐式反馈的协同排序算法

来源：计算机应用杂志2015年第5期北京时间：

作者：李改

单位：1. 顺德职业技术学院 电子与信息工程学院, 广东 顺德 528333;2. 中山大学 信息科学与技术学院, 广州 510006;3. 中山大学 软件研究所, 广州 510275

摘要：之前有关协同排序算法的研究没有充分利用数据集中信息的问题,要么只侧重于研究显式评分数据,要么只侧重于研究隐式评分数据,目前还没有人运用排序学习的思想把二者结合起来进行研究.针对之前研究的不足,在最新的扩展的少即是好协同过滤(xCLiMF)模型和最经典的变形的奇异值分解(SVD++)算法的基础上,提出了一种融合显/隐式反馈的协同排序算法MERR_SVD++来直接优化排序学习的评价指标ERR.在实际数据集上实验验证,与经典的xCLiMF、Cofi排序(CofiRank)、PopRec、Random算法相比,MERR_SVD++算法在归一化折损累积增益(NDCG)和预期的相关性排序(ERR)这两个评价指标下性能均提高了25.9%以上,而且算法运算时间与评分点个数线性相关.由于MERR_SVD++算法推荐精度高、可扩展性好,因此适用于处理大数据,在互联网信息推荐领域具有广泛的应用前景.

关键词：推荐系统,协同过滤,协同排序,隐式反馈,显式反馈

基金资助：国家自然科学基金资助项目(61003140,61033010);2011年度高校基本科研业务费中山大学青年教师培育项目(理工科)(111gpy58);佛山市产学研专项资金项目(2012HC100303);广东省高等职业教育教学改革2014年度项目(201401294);广东省高等职业教育教学改革2013年度项目(20130201109);广东省高等职业教育教学改革2012年度项目(20120302050);顺德职业技术学院2013年度校级教学改革与研究重点项目(2013-SZJGXM13).