A Novel NMF-Based Movie Recommendation with Time Decay
楊鈞元, Chun-Yuan Yang · 2019
現今最流行處理大量數據集的方法之一是矩陣分解(MF)技術，矩陣分解常用於在推薦系統中，因為其預測用戶興趣有著非常高的準確度。特別是非負值矩陣分解(NMF)已經被證明能夠非常有效利用多變量數據集的分解。然而即使是NMF技術，也無法完全捕捉到時間對於用戶喜好的影響程度。 本研究利用使用者因為時間影響而對喜好的改變，我們提出兩個基於傳統NMF的創新推薦系統 Dec_NMF，透過有效的時間影響，考慮使用者對於喜好的改變。Dec_NMF 包含了人類喜好行為隨著時間改變的概念，考慮使用者目前喜好的偏好，並將評分時間過長的資訊做衰減的處理。 本研究立用了三種線性以及三種非線性函數來調整評分，設定不同的潛在因素數量，透過均方誤差、均方根誤差、平均絕對誤差指標來評估模型好壞，並使用準確度、精密度、召回率與F1方法衡量模型的效能。實驗結果表明提出的方法中，在大部分的狀況優於傳統非負值矩陣分解。此外我們將所提出的模型應用在MovieLens資料集上，來演示所提出模型的有效性。