多指标推荐的全局邻域模型

• 作者: 吕红亮 王劲林 邓峰
• 来源期刊: 西安交通大学学报
• 关键词: 随机梯度下降法 全局邻域模型 多指标推荐
• 年，卷（期）: 2012,（11）
• 页码范围: 98-105
• 分类号: TP393
• 语种: 中文

摘要

针对现有的多指标推荐模型预测精度较低、速度较慢的问题,提出一种多指标推荐的全局邻域模型(MGNgbr).该模型综合全局的打分信息和隐性反馈数据,通过随机梯度下降法学习物品在各个指标上的相似度,选择相似度最高的前k个邻居参与运算并最终预测用户对物品的打分信息.该模型具有预测准确度高、解释性好、计算复杂度低等优点.实验结果表明,该模型的预测准确度和分类准确度均优于现有的平均值融合模型、多维距离模型和多维奇异值分解模型,与多维奇异值分解模型相比,该模型还具有收敛快、运行时间短等优点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邓峰	中国科学院声学研究所国家网络新媒体工程技术研究中心	19	127	7.0	10.0
2	王劲林	中国科学院声学研究所国家网络新媒体工程技术研究中心	169	638	11.0	15.0
3	吕红亮		2	9	1.0	2.0