基于Pairwise排序学习的因子分解推荐算法

摘要： 针对基于内存的协同过滤推荐算法存在推荐列表排序效果不佳的问题，提出基于Pairwise排序学习的因子分解推荐算法（简称Pairwise-SVD推荐算法）。新算法将因子分解的预测结果作为排序学习算法的输入，把排序问题转化成分类问题使用排序学习理论进行排序产生推荐列表。实验结果表明相比基于内存的协同过滤推荐算法，Pairwise-SVD推荐算法的排序效果更佳。其在指标Kendall-tau上提高了近一倍，在指标MRR上提高了近30％，且在指标MAP上也有小幅提高。

• doi：

  10.3969/j.issn.1000-386x.2016.06.061

• 关键词：

  Pairwise 因子分解 协同过滤 分类 排序学习

• Keyword：

  Pairwise Factorisation Collaborative filtering ClassificationRanking learning

• 作者：

  周俊宇 戴月明 吴定会

• Author：

  Zhou Junyu Dai Yueming Wu Dinghui

• 作者单位：

  江南大学物联网工程学院 江苏 无锡214122

• 刊名：

  计算机应用与软件 

• Journal：

  Computer Applications and Software

• 年，卷(期)：

  2016, 6

• 所属期刊栏目：

  算法

• 分类号：

  TP3

• 基金项目：

  国家高技术研究发展计划项目

• 在线出版日期：

  2016年07月15日

• 页数：

  5

• 页码：

  255-259