计算机工程

作者：杨佳莉, 李直旭, 许佳捷, 赵朋朋, 赵雷, 周晓方

单位：1. 苏州大学 计算机科学与技术学院, 江苏 苏州 215006;2. 昆士兰大学 信息技术与电子工程学院, 澳大利亚 布里斯班 4067;3. 广东省大数据分析与处理重点实验室, 广州 510006

关键词：推荐系统,张量分解,协同过滤算法,自适应混合,短路径

基金：国家自然科学基金（61632016）；江苏省高等学校自然科学研究重大项目（17KJA520003）。

为解决协同过滤算法在处理数据量较大时存在推荐效率低的问题，提出一种自适应混合协同推荐算法。根据待推荐用户活跃度和目标物品新鲜度调节模型权重，基于张量分解计算物品间的相似度，通过短路径枚举叠加生成预测结果。实验结果表明，与CBCF算法相比，该算法推荐准确率提高了28.6%。

来源：2019年第7期

《计算机工程》期刊编辑部

查看计算机工程杂志2019年第7期