QQ客服 官方微博 反馈留言

	基于群体兴趣的联合协同过滤算法
	袁慧 ; 刘宏宇
	2014
关键词	协同过滤 推荐系统 联合聚类 非负矩阵分解
英文摘要	提出一种基于群体兴趣的联合协同过滤方法。该方法基于一种新的联合聚类算法(BalClust)和加权非负矩阵分解算法。首先对原始矩阵中的评分模式进行用户和物品两个维度的联合聚类，并引入平衡因子，充分考虑基于物品和基于用户的推荐，然后在这些类别的内部通过加权非负矩阵分解方法进行未知评分预测。这种方法通过聚类降低评分矩阵的规模，同一个类中的计算方法类似，降低了计算复杂度，在一定程度上提高了推荐的准确性。并且充分考虑了基于用户和物品的推荐，这样，在大幅度降低预测阶段计算量的同时又提高了非负矩阵分解算法在面对稀疏矩阵预测上的准确度。进一步给出了推荐系统在数据更新的情况下使用增量学习方法来保证数据的准确性和实时性。最后设计实验和传统算法在时间复杂度、计算性能等方面进行了详细的比较，验证了该方法在大型实时推荐系统中的应用价值。; 593-602
语种	中文
出处	2014全国高性能计算学术年会
内容类型	其他
源URL	[http://ir.pku.edu.cn/handle/20.500.11897/422156]
专题	软件与微电子学院
推荐引用方式 GB/T 7714	袁慧,刘宏宇. 基于群体兴趣的联合协同过滤算法. 2014-01-01.

个性服务

查看访问统计

相关权益政策

暂无数据

收藏/分享

除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。