登录 | 注册 | 充值 | 退出 | 公司首页 | 繁体中文 | 满意度调查
综合馆
基于主题模型的矩阵分解推荐算法
  • 摘要

    针对协同过滤算法存在的数据稀疏和忽视用户喜好多主题的问题,提出了基于主题模型的矩阵分解推荐算法,将标签、主题模型融合到了矩阵分解模型当中。该方法首先根据物品的标签提取物品的主题特征,用物品主题特征向量表达该物品,然后通过相似度计算方法得到每个物品的最近邻,最后用基于最近邻的正则化项来改进矩阵分解模型。在实验分析中,选择了不同的主题数进行比较,并且在潜在因子数不同的情况下,对比了该算法和潜在因子模型、正则化奇异值分解推荐算法。实验结果表明,改进算法能够降低预测评分的均方根误差,提高评分预测的准确度。

  • 作者

    林晓勇  代苓苓  史晟辉  李芳  LIN Xiaoyong?  DAI Lingling  SHI Shenghui  LI Fang 

  • 作者单位

    北京化工大学 信息科学与技术学院,北京,100029

  • 刊期

    2015年z2期 ISTIC PKU

  • 关键词

    推荐系统  标签  主题模型  矩阵分解  正则化项  recommendation system  label  topic model  matrix factorization  regularization term 

相似文献 查看更多>>
18.204.227.250