融合时间戳信息的改进SVDPP推荐算法及其分析

摘要

设计了一种包含了时间影响因素的SVDPP算法,该算法先构建得到用户-电影—评分之间的相互关系,并把该关系映射至马尔可夫决策过程,之后通过强化学习Q-learning算法对其实施优化,再把时间影响添加至推荐算法SVDPP模型内,由此获得包含了时间戳参数的RL-TSVDPP优化模型.通过测试发现,RL-SVDPP算法利用先处理数据集分析时间因素的影响,之后通过推荐模型训练参数对用户电影评分进行预测可以获得更高的准确率.通过分布式数据预处理的方法来提高计算效率,为SVDPP模型添加时间影响因素是完全可行的,将此类影响因素加入用户预测评分可以有效提升推荐准确性.