论文部分内容阅读
当前,推荐系统已成为许多网站的重要组成部分.其中热门的两个方法是基于矩阵分解(MF)和基于马尔科夫链(MC).在这两个模型的基础上提出一个基于个性化马尔科夫链的推荐模型,该模型为每个用户建立一个基于马尔科夫链的转移矩阵,利用这些转移矩阵形成转移矩阵立方体,并结合张量分解方法得到用户与物品、物品与物品之间相互作用的特征矩阵参数.通过引入贝叶斯个性排名(BPR)准则来优化特征矩阵参数,使得推荐结果更为准确.实验结果表明基于个性化马尔科夫链的推荐模型要优于传统的推荐模型.