基于多项式有限混合模型的Slope One算法改进

• 作者: 洪英汉 王旭彬 陈平华
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 有限混合模型 Slope One 基于模型聚类 协同过滤
• 年，卷（期）: 2016,（4）
• 所属期刊栏目: 数据挖掘
• 页码范围: 761-767
• 页数: 7页
• 分类号: TP391
• 字数: 7189字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2016.04.022

摘要

针对多项式有限混合模型参数估计过程中存在的初始化依赖、参数易收敛到边界值以及容易陷入局部最优等问题,引入了最小信息长度准则,优化多项式有限混合模型的参数估计过程.在此基础上,采用基于多项式有限混合模型的聚类算法对用户评分行为进行聚类,利用模型求解得到的聚类归属概率对Slope One算法实施改进.实验结果表明:应用最小信息长度准则对多项式有限混合模型进行优化后,聚类效果明显提高;同时,相比于基于用户聚类的Slope One推荐算法,改进算法具有明显的改进效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈平华	广东工业大学计算机学院	84	860	11.0	28.0
2	洪英汉		20	60	3.0	7.0
3	王旭彬	广东工业大学计算机学院	1	1	1.0	1.0