基于关系图邻接矩阵逼近的推荐系统

• 作者: 朱振峰 赵耀 高红格
• 来源期刊: 北京交通大学学报
• 学科: 工学
• 关键词: 推荐系统 协同过滤 因子分解 图模型 梯度下降法
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 计算机应用和图像处理
• 页码范围: 1-7
• 页数: 7页
• 分类号: TP181
• 字数: 5984字
• 语种: 中文
• DOI: 10.11860/j.issn.1673-0291.2017.02.001

摘要

在基于关系图约束的推荐方法中,引入用户图(项目图)约束的目的是保持原始的高维用户表征空间(高维项目表征空间)与低维的隐性用户表征空间(隐性项目表征空间)之间用户关系(项目关系)的一致性.不同于传统的基于关系图Laplacian矩阵的一致性约束,本文提出一种基于关系图邻接矩阵逼近的推荐模型,从相似性空间一致性角度进行约束,在保持高维表征空间与低维隐性空间的一致性关系的同时,可以一定程度上避免局部过拟合问题.在EachMovie与MovieLens数据集上的实验结果验证了本文算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱振峰	北京交通大学计算机与信息技术学院	19	93	6.0	8.0
2	赵耀	北京交通大学计算机与信息技术学院	61	474	12.0	19.0
3	高红格	北京交通大学北京市现代信息科学与网络技术重点实验室	1	0	0.0	0.0