论文研究基于时序模型和矩阵分解的推荐算法.pdf

时间序列数据是一种数据属性随时间变化的高维数据类型，反映了用户兴趣的动态变化。基于时序数据的推荐系统利用用户的行为时间提高推荐的准确性，但不适用于大规模数据集的推荐任务。矩阵分解方法是处理高维数据集时常用的降维方法。为此，提出一种基于时序模型和矩阵分解的推荐算法。基于该方法，首先利用矩阵分解提取原始时序数据的特征，然后通过时序模型挖掘特征的趋势，最后根据预测的特征得到预测结果并进行推荐。实验结果表明，所提出的算法与已有的推荐算法相比，在均方根误差（rootmeansquareerror，RMSE）和平均准确率（meanaverageprecision，MAP）两个指标上均有较好表现，