一种优化的带偏置概率矩阵分解算法

• 作者: 刘冉东 张朋飞 王建芳 谷振鹏
• 来源期刊: 小型微型计算机系统
• 学科: 工学
• 关键词: 概率矩阵分解 截断奇异值分解 偏置 个性化推荐 交替最小二乘
• 年，卷（期）: 2017,（5）
• 所属期刊栏目: 人工智能与算法研究
• 页码范围: 1081-1085
• 页数: 5页
• 分类号: TP18
• 字数: 4459字
• 语种: 中文

摘要

针对个性化推荐过程中高维稀疏性引起的数据震荡和推荐精度不高的问题,提出一种通过交替最小二乘算法(Alter-nating Least Squares,ALS)来优化的带偏置概率矩阵分解的推荐方法.首先将用户项目的偏置信息融入到改进的概率矩阵分解算法中.其次为了提升训练速度和推荐精度,将训练得到的用户项目潜在因子向量作为ALS的初始值,进而得到用户项目潜在因子矩阵.最后利用分解后的两个低维矩阵对原矩阵中的未知评分进行预测.在Movielens100k数据集上的实验结果表明,本文提出的推荐算法在相对于传统的带偏置概率矩阵分解来说最高提高3.41％,结果稳定且准确率高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王建芳	河南理工大学计算机科学与技术学院	16	68	4.0	7.0
2	刘冉东	河南理工大学计算机科学与技术学院	5	17	3.0	3.0
3	谷振鹏	河南理工大学计算机科学与技术学院	4	15	3.0	3.0
4	张朋飞	河南理工大学计算机科学与技术学院	7	26	4.0	5.0