基于状态空间模型和概率矩阵分解的推荐算法

来源：计算机应用研究杂志2020年第11期北京时间：

作者：曹玉琳,李文立,

单位：大连理工大学经济管理学院,辽宁大连116024；

摘要：传统的矩阵分解算法在时间上将全部训练数据作为整体进行计算以获得用户兴趣特征，忽略了用户兴趣漂移问题。针对此问题，提出一种基于状态空间模型和概率矩阵分解的推荐算法。首先将用户兴趣特征向量与用户评分数据的矩阵分解映射到线性高斯状态空间中；然后使用EM算法和卡尔曼滤波器对模型参数进行动态求解；最后根据前后获得用户兴趣特征向量确认用户兴趣是否发生漂移，并进行相应推荐。实验结果表明，该算法与传统的矩阵分解推荐算法相比，能更好地感知用户兴趣漂移，提高推荐质量。

关键词：矩阵分解,状态空间模型,EM算法,卡尔曼滤波,

基金资助：国家自然科学基金资助项目(71874022)；国家创新群体项目(71421001)；；