LDA-CF:一种混合协同过滤方法

• 作者: 崔超然 廉涛 王帅强 马军
• 来源期刊: 中文信息学报
• 学科: 工学
• 关键词: 推荐系统 协同过滤 主题模型
• 年，卷（期）: 2014,（2）
• 所属期刊栏目: 信息检索及社会计算
• 页码范围: 129-135,150
• 页数: 8页
• 分类号: TP391
• 字数: 6508字
• 语种: 中文

摘要

推荐系统是一种克服信息过载的重要工具,其中最流行的方法是协同过滤.该文提出一种结合潜在因素模型和邻域方法的混合协同过滤方法LDA-CF.我们首先将评分矩阵转换成伪文档集合,使用LDA(LatentDirichlet Allocation)主题模型发现用户和物品潜在因素向量;然后在低维潜在因素空间计算用户和物品相似度;最后采用邻域方法预测未知评分.在MovieLens 100k数据集上的实验表明:在评分预测任务中,LDA-CF取得的MAE性能指标优于传统的邻域方法.因此,LDA可以有效地从评分矩阵中发现对计算相似度十分有用的用户和物品低维特征表示,在一定程度上缓解了数据稀疏问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马军		74	980	15.0	29.0
2	崔超然		2	54	2.0	2.0
3	王帅强		3	37	2.0	3.0
4	廉涛		1	29	1.0	1.0