计算机工程

作者：冯雅莉, 温雯, 郝志峰, 蔡瑞初

单位：1. 广东工业大学计算机学院, 广东 广州 5100062. 汕头大学, 广东 汕头 515000

关键词：序列推荐,转移关系,矩阵分解,正则化,数据稀疏

基金：广东省自然科学基金(2021A1515011965); 国家自然科学基金(61876043); 国家优秀青年科学基金(62122022); 国家重点研发计划(2021ZD0111501)

序列推荐是推荐系统中的一类重要任务, 其通过建模用户顺序行为来实现个性化、动态性的推荐。然而, 在现实环境中, 用户行为数据往往具有高度稀疏性, 同时行为序列中所包含的项目转移关系随项目特性而改变。因此, 如何充分利用用户-项目间的协同关系, 同时捕捉项目-项目间的转移规律, 成为序列推荐中至关重要的问题。针对这一问题, 提出一种融合转移关系正则化的联合矩阵分解方法。该方法通过对用户-项目交互矩阵和项目-项目间马尔可夫转移矩阵进行联合分解, 并在分解过程中设定项目表征因子共享, 共同捕捉协同关系和转移关系, 缓解用户行为数据的稀疏问题, 进而实现有效的序列推荐。在5个公开数据集上进行实验比较和分析, 结果表明, 该方法相比现有先进算法具有更好的序列推荐性能。

来源：2025年第8期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第8期