基于LFM矩阵分解的推荐算法优化研究

Computer Engineering and Applications 计算机工程与应用

2019，55（2）1引言人类社会正逐渐进入大数据时代，如何有效地应对和利用好海量数据，已成为目前研究的热点问题[1]。一方面，信息量的增加有利于人们充分地进行决策分析；另一方面，面对海量信息，限于认知能力，人类难以直接从中提取出满足自身需求的有用信息，即产生了“信息过载”问题，降低了信息利用率[2]。为了应对上述问题，个性化推荐系统应势而生。这类推荐系统通过对用户历史行为数据进行分析，从而为

用户进行个性化推荐[1]。目前推荐系统已经在亚马逊、腾讯、阿里巴巴等网络平台获得了广泛应用。作为个性化推荐系统的核心，推荐算法研究一直是国内外的研究热点，目前流行的推荐算法主要包括基于

内容和协同过滤等。其中协同过滤中基于模型的推荐算法应用更为广泛，是推荐算法中的一个研究重点[2-3]。潜在因子模式（LFM ）是基于模型推荐算法的一种，它具有较高的预测精度、较低的时间和空间复杂度及非常好的扩展性。本文以LFM 算法为基础，从精度和寻优速率两个方面进一步优化其预测性能，提出了两种改进算

法，并设计了实验对比分析，验证了算法的有效性。2协同过滤算法简述

协同过滤算法是当前推荐算法研究的重点，如文

献[4]中的分类图1[5]所示。

基于LFM 矩阵分解的推荐算法优化研究

陈晔，刘志强

南京航空航天大学经济与管理学院，南京210016

摘要：在推荐系统中，基于矩阵分解的推荐算法是目前的研究热点之一，然而普通矩阵分解算法的推荐精确度偏低，为了改善该问题，以矩阵分解算法中的潜在因子模型（LFM ）优化为研究对象，分析LFM 中两种基础推荐算法在寻优速率与推荐精度上的不足，然后提出两种改进算法：带冲量的批量学习算法和混合学习算法，最后通过实验数据测试，对比了不同算法的推荐效果，结果证明改进算法的性能更优。

关键词：矩阵分解；潜在因子模型；推荐算法；带冲量的批量学习算法；混合学习算法

文献标志码：A 中图分类号：TP 311doi ：10.3778/j.issn.1002-8331.1709-0347

陈晔，刘志强.基于LFM 矩阵分解的推荐算法优化研究.计算机工程与应用，2019，55（2）：116-120.

CHEN Ye,LIU Zhiqiang.Research on improved recommendation algorithm based on LFM matrix https://www.wendangku.net/doc/c218602606.html,puter Engineering and Applications,2019,55（2）：116-120.

Research on Improved Recommendation Algorithm Based on LFM Matrix Factorization CHEN Ye,LIU Zhiqiang

College of Economics and Management,Nanjing University of Aeronautics and Astronautics,Nanjing 210016,China

Abstract ：In the field of recommendation system,the Recommendation Algorithms （RA ）based on matrix factorization is one of research hotspots.To improve the problem,this paper focuses on the algorithm improvement of Latent Factor Model （LFM ）in the matrix factorization based RA algorithms.Two basic algorithms are modified to provide more accurate out-comes.Finally,a numerical example,which is used to carry out comparative study among different algorithms,proves that the improved algorithm is better than previous works.

Key words ：matrix factorization;Latent Factor Model （LFM ）;recommendation algorithm;batch learning algorithm with momentum;mixed learning algorithm

基金项目：国家自然科学基金（No.71471087）。

作者简介：陈晔（1974—），男，博士，教授，主研方向为智能决策分析，E-mail ：chenye@https://www.wendangku.net/doc/c218602606.html, ；刘志强（1993—），男，在读硕士，

主研方向为数据挖掘，多属性决策。

收稿日期：2017-09-25修回日期：2017-12-05文章编号：1002-8331（2019）02-0116-05

CNKI 网络出版：2018-05-17,https://www.wendangku.net/doc/c218602606.html,/kcms/detail/11.2127.TP.20180509.1806.002.html

116万方数据