期刊文献+

一种基于矩阵分解的电影推荐算法 预览 被引量:1

A movie recommendation algorithm based on matrix decomposition
在线阅读 下载PDF
分享 导出
摘要 针对目前的电影推荐算法中,传统的矩阵分解算法对于用户的离散型评分数据集的数据利用率不高的问题,提出基于二项分布的矩阵分解算法的模型,在假定用户的评分数据是服从二项分布的前提下,利用最大后验估计学习得出损失函数,将用户的兴趣度作为影响因子,加入项目之间的邻域影响,其后利用随机梯度下降法针对问题求解。通过在MovieLens数据集上与传统的矩阵分解算法的对比实验,结果表明,提出的算法可以有效的提高推荐精度,表现出良好的稳定性。 For the current movie recommendation algorithm, the traditional matrix factorization algorithm score for the user's discrete data set is not high data availability problem, matrix decomposition algorithm based on the binomial model, on the assumption that the user data is to obey ratings under the premise of the binomial, using the maximum a posteriori estimation loss function study results, the user's interest degree as the impact factor, join neighborhood impact between projects,followed by the use of stochastic gradient descent method for problem solving. By the Movie Lens datasets with conventional matrix factorization algorithm comparison test results show that the proposed algorithm can effectively improve the recommendation accuracy, showing good stability.
作者 聂常超 NIE Chang-chao (Computer Science and Engineering, Nanjing University of Technology and Engineering,Nanjing 210014, China)
出处 《电子设计工程》 2016年第19期73-75,共3页 International Electronic Elements
关键词 推荐算法 二项分布 随机梯度下降 矩阵分解 recommendation algorithm binomial distribution stochastic gradient descent matrix factorization
作者简介 聂常超(1986-),男,河南新乡人,硕士研究生。研究方向:机器学习、计算机视觉。
  • 相关文献

参考文献22

二级参考文献186

共引文献500

同被引文献12

引证文献1

投稿分析

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部 意见反馈