耦合辅助信息的矩阵分解推荐模型

来源：计算机应用研究杂志2019年第10期北京时间：

作者：蒋伟,秦志光,

单位：电子科技大学信息与软件工程学院,成都610054；

摘要：近十年来，协同过滤（CF）推荐系统成功地为用户提供了个性化的产品和服务。然而，用户—物品矩阵的稀疏性、推荐精度不高等问题仍然是一个挑战。针对这些问题，在矩阵分解模型基础上，提出了耦合用户和物品辅助信息的矩阵分解混合协同过滤框架；然后，基于此框架又提出了耦合物品属性信息相似度（COS）的过滤模型。大规模真实数据集上的实验表明，该模型不但可以有效解决物品相似度度量问题，而且相比传统方法，尤其是在物品特征非常稀疏的情况下，推荐准确性得到了有效改进。

关键词：推荐系统,混合协同过滤,矩阵分解,物品相似度,耦合对象相似度,辅助信息,

基金资助：四川省科技计划资助项目(2015JY0178,2014GZ0109,2015KZ002,2015JY0030)；国家自然科学基金资助项目(61472064)；中央高校基本科研基金资助项目(ZYGX2014J051,ZYGX2014J066)；；