基于类别权重因子分解机的项目评分预测推荐算法研究

• 作 者: 米振强 赵宇 杨扬
• 机 构: 北京科技大学计算机与通信工程学院
• 出 处: 第三届CCF大数据学术会议
• 发表日期: 2015年6期

　　因子分解机因可处理高稀疏度场景、易于利用辅助信息而广泛应用于评分预测推荐问题上。考虑现实中评分预测问题大多都有类别信息可以利用,而传统的因子分解机特征交互是两两交互而未考虑类别权重信息,因而引入了无关因子交互；本文在因子分解机模型的基础上提出了类别权重因子分解机(Category Weight Factorization Machine),利用类别分级避免了无关因子交互所引入的噪声并有效地解决了冷启动问题。文章选取RMSE作为模型的性能指标,并在MovieLenslM和10M数据集下对模型进行了对比验证,实验结果表明,CW-FM有较好的迭代效率和更高的推荐准确度并且生成的TOP-N列表有更好的召回率。