%0 Journal Article %A 杨林 %A 顾军华 %A 官磊 %T PMUS-HOSGD张量分解方法及其在标签推荐中的应用 %D 2018 %R 10.19678/j.issn.1000-3428.0048759 %J 计算机工程 %P 300-305,312 %V 44 %N 11 %X

目前的标签推荐系统使用张量来存储“用户-资源-标签”三维数据,以挖掘三者之间潜在的语义关联。为更好地解决三维数据的稀疏性问题,避免张量填充造成的数据失真,提出基于标签惩罚机制的张量构建方法PMUS和基于随机梯度下降的张量分解方法HOSGD。利用标签惩罚机制和用户评分构建张量,使用随机梯度下降法对张量的展开矩阵进行分解。在此基础上,结合PMUS和HOSGD提出PMUS-HOSGD算法对数据进行处理,根据结果为用户进行个性化标签推荐。在数据集MovieLens上的实验结果表明,与CubeALS、HOSVD和CF算法相比,该算法能够有效提高标签推荐的准确率。

%U http://www.ecice06.com/CN/10.19678/j.issn.1000-3428.0048759