丁小煥 彭甫镕 王瓊 陸建峰

摘 要：針對三元組數(shù)據(jù)內(nèi)在關(guān)聯(lián)性復(fù)雜的特點，提出了基于平行因子分解（PARAFAC）的協(xié)同聚類推薦算法。該算法利用PARAFAC算法對張量進(jìn)行分解，挖掘多維數(shù)據(jù)實體之間的相關(guān)聯(lián)系和潛在主題。首先，利用PARAFAC分解算法對三元組張量數(shù)據(jù)進(jìn)行聚類；然后，基于協(xié)同聚類算法提出了三種不同方案的推薦模型，并通過實驗對三種方案進(jìn)行了比較，得到了最優(yōu)的推薦模型；最后，將提出的協(xié)同聚類模型與基于高階奇異值分解（HOSVD）的推薦模型進(jìn)行比較。在last.fm數(shù)據(jù)集上，PARAFAC協(xié)同聚類算法比HOSVD張量分解算法在召回率和精確度上平均提高了9.8個百分點和3.7個百分點，在delicious數(shù)據(jù)集上平均提高了11.6個百分點和3.9個百分點。實驗結(jié)果表明所提算法能更有效地挖掘出張量中的潛在信息和內(nèi)在聯(lián)系，實現(xiàn)高準(zhǔn)確率和高召回率的推薦。

關(guān)鍵詞：標(biāo)簽；張量分解；協(xié)同聚類；推薦系統(tǒng)；平行因子分解

中圖分類號： TP311.1TP391 文獻(xiàn)標(biāo)志碼：A英文標(biāo)題