浙江大学学报（工学版）
浙江大學學報（工學版）
절강대학학보（공학판）
JOURNAL OF ZHEJIANG UNIVERSITY(ENGINEERING SCIENCE)
2015年
7期
1319-1325
,共7页
协同过滤%投影非负矩阵分解%相邻结构%聚类
協同過濾%投影非負矩陣分解%相鄰結構%聚類
협동과려%투영비부구진분해%상린결구%취류
collaborative filtering%projective nonnegative matrix factorization%adjacent structure%clustering
针对在协同过滤算法中,传统矩阵分解技术在降维过程中会破坏数据相邻结构的问题,提出基于结构投影非负矩阵分解的协同过滤算法(CF-SPNMF).该算法包含离线学习和在线搜索2个阶段.在离线学习阶段,通过对用户评分矩阵的投影非负矩阵分解,同时保留用户特征的聚类结构,得到低维的用户潜在兴趣因子.在线搜索阶段,将用户潜在兴趣因子进行余弦相似性匹配,发现目标用户与训练样本用户之间兴趣最相似的邻域集合.在实际数据集上的实验结果表明,提出的CF-SPNMF算法与单纯使用矩阵分解和单纯在原评分矩阵上进行用户聚类的推荐算法相比,能够更有效地预测用户实际评分.
針對在協同過濾算法中,傳統矩陣分解技術在降維過程中會破壞數據相鄰結構的問題,提齣基于結構投影非負矩陣分解的協同過濾算法(CF-SPNMF).該算法包含離線學習和在線搜索2箇階段.在離線學習階段,通過對用戶評分矩陣的投影非負矩陣分解,同時保留用戶特徵的聚類結構,得到低維的用戶潛在興趣因子.在線搜索階段,將用戶潛在興趣因子進行餘絃相似性匹配,髮現目標用戶與訓練樣本用戶之間興趣最相似的鄰域集閤.在實際數據集上的實驗結果錶明,提齣的CF-SPNMF算法與單純使用矩陣分解和單純在原評分矩陣上進行用戶聚類的推薦算法相比,能夠更有效地預測用戶實際評分.
침대재협동과려산법중,전통구진분해기술재강유과정중회파배수거상린결구적문제,제출기우결구투영비부구진분해적협동과려산법(CF-SPNMF).해산법포함리선학습화재선수색2개계단.재리선학습계단,통과대용호평분구진적투영비부구진분해,동시보류용호특정적취류결구,득도저유적용호잠재흥취인자.재선수색계단,장용호잠재흥취인자진행여현상사성필배,발현목표용호여훈련양본용호지간흥취최상사적린역집합.재실제수거집상적실험결과표명,제출적CF-SPNMF산법여단순사용구진분해화단순재원평분구진상진행용호취류적추천산법상비,능구경유효지예측용호실제평분.
