作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
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.
推荐文章
基于非负矩阵分解的隐私保护协同过滤算法
非负矩阵分解
隐私保护
协同过滤
推荐系统
协同过滤中的矩阵分解算法研究
推荐系统
协同过滤
矩阵分解
基于矩阵分解的单类协同过滤推荐算法
推荐系统
单类协同过滤
矩阵分解
wALS
基于slope-one算法改进评分矩阵填充的协同过滤算法研究
slope-one算法
数据稀疏性
协同过滤
个性化推荐
矩阵填充
电影推荐
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于矩阵分解的协同过滤算法
来源期刊 计算机工程与应用 学科 工学
关键词 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)
年,卷(期) 2011,(30) 所属期刊栏目 博士论坛
研究方向 页码范围 4-7
页数 分类号 TP18
字数 5103字 语种 中文
DOI 10.3778/j.issn.1002-8331.2011.30.002
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 李磊 中山大学信息科学与技术学院 117 1028 16.0 29.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (11)
共引文献  (134)
参考文献  (4)
节点文献
引证文献  (113)
同被引文献  (111)
二级引证文献  (193)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(4)
  • 参考文献(0)
  • 二级参考文献(4)
2005(2)
  • 参考文献(1)
  • 二级参考文献(1)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(3)
  • 参考文献(2)
  • 二级参考文献(1)
2011(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2011(1)
  • 引证文献(1)
  • 二级引证文献(0)
2012(5)
  • 引证文献(5)
  • 二级引证文献(0)
2013(7)
  • 引证文献(6)
  • 二级引证文献(1)
2014(13)
  • 引证文献(9)
  • 二级引证文献(4)
2015(28)
  • 引证文献(15)
  • 二级引证文献(13)
2016(42)
  • 引证文献(17)
  • 二级引证文献(25)
2017(56)
  • 引证文献(20)
  • 二级引证文献(36)
2018(61)
  • 引证文献(19)
  • 二级引证文献(42)
2019(71)
  • 引证文献(17)
  • 二级引证文献(54)
2020(22)
  • 引证文献(4)
  • 二级引证文献(18)
研究主题发展历程
节点文献
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)
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
总被引数(次)
390217
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导