引入用户情感的高阶奇异值分解推荐算法研究

作者：郭强; 岳强; 李仁德; 刘建国推荐算法hosvd分解用户情感emoji表情

摘要：传统的三阶奇异值分解推荐算法(HOSVD)通过挖掘用户、物品标签和物品三者之间的潜在关系进行推荐,然而该方法并没有将用户的情感考虑进来。基于从评论中emoji表情提炼出的用户情感偏好,提出了一种引入用户情感的HOSVD推荐算法。该方法将emoji表情分成积极、中立和消极三类,分别给每类情感赋予不同的权重,之后计算不同类emoji表情数量的加权和来表征用户的情感;再引入三阶张量模型,应用HOSVD分解进行个性化推荐。在某在线互联网教育的实证数据集上的实验结果表明,该方法比基于物品的协同过滤算法、PersonalRank算法和采用用户社刊分类社刊三元组信息的HOSVD算法在准确率和召回率性能指标上都有明显提升,其中进行Top1推荐时,准确率和召回率可以达到0.353和0.281。这为移动通信端的个性化推荐提供了借鉴。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社