黄丹
- 作品数：3 被引量：12H指数：2
- 供职机构：北京交通大学计算机与信息技术学院更多>>
- 发文基金：北京市自然科学基金国家自然科学基金中央高校基本科研业务费专项资金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于时间的局部低秩张量分解的协同过滤推荐算法被引量：2
- 2017年
- 传统的推荐模型是静态的,忽略了时间因素。部分推荐算法虽然将时间因素考虑在内,但只是简单使用最近的数据或者降低过去数据的权重,这样可能会造成有用信息的丢失。针对这一问题,提出了一种考虑时间因素的局部低秩张量分解推荐算法。在传统的推荐算法的基础上,放松用户对项目的评分矩阵是低秩的这一假设,认为整个评分矩阵可能不是低秩的而是局部低秩的,即特定用户项目序偶的近邻空间是低秩的;同时又考虑时间因素,把评分矩阵看作是用户、项目和时间3个维度的张量,将传统的推荐算法延伸到张量领域。实验表明,所提算法能显著提升排名推荐性能。
- 孙艳歌王志海黄丹
- 关键词：推荐系统张量分解
- 基于评分矩阵局部低秩假设的成列协同排名算法被引量：10
- 2015年
- 协同过滤方法是当今大多数推荐系统的核心.传统的协同过滤方法专注于评分预测的准确性,然而实际推荐系统的推荐结果往往是项目的排序.针对这一问题,将排名学习领域的知识引入推荐算法,设计了一种基于评分矩阵局部低秩假设的成列协同排名算法.选择直接使用计算复杂度较低的成列损失函数来优化矩阵分解模型,并通过实验验证了其在运算速度上的显著提升.在3个实际推荐系统数据集上,与当下主流推荐算法的比较实验结果表明,该算法具有良好的性能.
- 刘海洋王志海黄丹孙艳歌
- 关键词：推荐系统协同过滤
- 一种局部协同过滤的排名推荐算法
- 2016年
- 基于矩阵分解模型、时间因素和排名模式,提出一种局部协同过滤的排名推荐算法,并放松用户对项目的评分矩阵是低秩的这一假设,假设用户对项目的评分矩阵是局部低秩的,即评分矩阵在某个用户项目序偶的近邻空间内是低秩的。修改信息检索中常用的评价指标平均倒数排名(mean reciprocal rank,MRR)函数,使其适合评分数据集合,然后对其进行平滑化操作和简化操作,最后直接优化这一评价指标。提出的算法易于并行化,可以在大型的真实数据集合上运行。试验结果表明该算法能提升推荐的性能。
- 黄丹王志海刘海洋
- 关键词：推荐系统协同过滤矩阵分解
