| 基于标签分类的协同过滤推荐算法 |
| |
| 作者姓名： | 朱峥宇 曹晓梅 |
| |
| 作者单位： | 南京邮电大学计算机与软件学院,南京,2100100;南京邮电大学计算机与软件学院,南京,2100100 |
| |
| 基金项目： | 国家自然科学基金资助项目(61202353);国家"973"计划资助项目()(2011CB302903);江苏省高校优势学科建设工程资助项目(yx002001) |
| |
| 摘 要： | 传统的协同过滤根据用户的行为去预测可能喜欢的产品,是当前应用最广泛的推荐算法之一。但随着用户规模的急剧扩大,有价值的信息占比较少,存在稀疏性等问题,导致推荐质量不高。针对这一问题,提出了一种基于标签分类的协同过滤推荐算法。将不完整的数据样本根据标签进行分类,使分解的矩阵依赖于类,随后使用迭代投影寻踪的方法计算类依赖矩阵的线性组合及其对应的权重。开放数据集实验表明,该方法在保持一定分类准确率的前提下,平均降低了35.23%的插补误差,优于传统协同过滤推荐算法。
|
| 关 键 词： | 协同过滤 矩阵分解 交替最小二乘法 迭代投影寻踪 监督学习 |
| 收稿时间： | 2018-01-20 |
| 修稿时间： | 2019-07-05 |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《计算机应用研究》浏览原始摘要信息 |
|
点击此处可从《计算机应用研究》下载全文 |
|
