计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2011年
30期
4-7
,共4页
推荐系统%协同过滤%矩阵分解%迭代最小二乘法(ALS)%矩阵奇异值分解(SVD)
推薦繫統%協同過濾%矩陣分解%迭代最小二乘法(ALS)%矩陣奇異值分解(SVD)
추천계통%협동과려%구진분해%질대최소이승법(ALS)%구진기이치분해(SVD)
协同过滤推荐算法是电子商务推荐系统中运用最成功的一种推荐技术.针对目前大多数协同过滤算法普遍存在的可扩展性和抗稀疏性问题,在传统的矩阵分解模型(SVD)的基础上提出了一种带正则化的基于迭代最小二乘法的协同过滤算法.通过对传统的矩阵分解模型进行正则化约束来防止模型过度拟合训练数据,并通过迭代最小二乘法来训练分解模型.在真实的实验数据集上实验验证,该算法无论是在可扩展性,还是在抗稀疏性方面均优于几个经典的协同过滤推荐算法.
協同過濾推薦算法是電子商務推薦繫統中運用最成功的一種推薦技術.針對目前大多數協同過濾算法普遍存在的可擴展性和抗稀疏性問題,在傳統的矩陣分解模型(SVD)的基礎上提齣瞭一種帶正則化的基于迭代最小二乘法的協同過濾算法.通過對傳統的矩陣分解模型進行正則化約束來防止模型過度擬閤訓練數據,併通過迭代最小二乘法來訓練分解模型.在真實的實驗數據集上實驗驗證,該算法無論是在可擴展性,還是在抗稀疏性方麵均優于幾箇經典的協同過濾推薦算法.
협동과려추천산법시전자상무추천계통중운용최성공적일충추천기술.침대목전대다수협동과려산법보편존재적가확전성화항희소성문제,재전통적구진분해모형(SVD)적기출상제출료일충대정칙화적기우질대최소이승법적협동과려산법.통과대전통적구진분해모형진행정칙화약속래방지모형과도의합훈련수거,병통과질대최소이승법래훈련분해모형.재진실적실험수거집상실험험증,해산법무론시재가확전성,환시재항희소성방면균우우궤개경전적협동과려추천산법.