基于级联过滤的多模型融合的推荐方法

• 作者: 彭志平 黄斌
• 来源期刊: 小型微型计算机系统
• 学科: 工学
• 关键词: 级联过滤 多模型融合 二分类问题 回归问题 泛化能力
• 年，卷（期）: 2016,（1）
• 所属期刊栏目: 计算机软件与数据库研究
• 页码范围: 33-37
• 页数: 5页
• 分类号: TP391
• 字数: 6395字
• 语种: 中文

摘要

针对当前主流推荐算法无法甄别离群样本和弱贡献率样本,且单模型算法泛化能力较弱等问题,提出一种基于级联过滤的多模型融合的推荐方法.该方法先采用级联回归模型过滤掉离群样本和弱贡献率样本;然后,把推荐问题抽象成二分类问题和回归问题,分别采用基于Bagging的随机森林和基于Boosting的梯度提升回归树两种树型算法、线性的逻辑回归算法来拟合用户兴趣;最后,将这三种算法分别训练若干模型进行线性融合,取Top-N推荐.实验表明,该方法不仅有效提高了推荐精度,还增强了模型的泛化能力,具有较强的实用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄斌	广东工业大学计算机学院	6	21	3.0	4.0
2	彭志平	广东石油化工学院计算机与电子信息学院	79	414	10.0	14.0