基于softmax回归和矩阵分解的协同过滤推荐方法

摘要

针对传统的协同过滤(CF)方法由于仅利用评分数据而存在用户偏好挖掘不全面,以及数据稀疏性及冷启动问题,提出了一种基于softmax回归和矩阵分解的协同过滤推荐方法(SRMF-based CF)。该方法首先利用文本挖掘技术,从文本评论中提取项目特征并进行基于特征的情感强度分析,然后采用softmax回归和矩阵分解技术预测目标用户在特征层面的情感值并预测该用户对未评分项目的总体评分值。真实数据集的实验表明,与传统的基于总体评分的协同过滤、基于文本评论的协同过滤以及基于矩阵分解的协同过滤方法相比,SRMF-based CF在平均绝对误差(MAE)和均方根误差(RMSE)上分别降低了1.8%~7.6%和2.1%~9.7%,取得了较好的推荐效果。