一种基于高斯混合模型的协同过滤算法

• 作者: 成英超 王瑞胡 胡章平
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 协同过滤 高斯混合模型 推荐系统 半监督学习
• 年，卷（期）: 2017,（z1）
• 所属期刊栏目: 大数据与数据挖掘
• 页码范围: 451-454
• 页数: 4页
• 分类号: TP39
• 字数: 4320字
• 语种: 中文

摘要

协同过滤技术中的矩阵分解是推荐系统中的有效技术手段.而现在主流的矩阵分解算法假设推荐系统评分数据服从高斯分布,因而受数据噪声影响,其鲁棒性达不到预期.为了解决这个问题,提出基于高斯混合模型的矩阵分解算法.设定评分数据服从高斯混合分布,在此基础上应用基于贝叶斯概率的矩阵分解模型.同时,提出一种基于半监督学习的数据实验方法,充分挖掘有标签和无标签数据.实验结果表明,基于高斯混合分布的矩阵分解算法对评分噪声拥有更强的免疫力,同时可以提高预测准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王瑞胡	重庆文理学院机器视觉与智能信息系统重点实验室	27	115	6.0	9.0
2	胡章平	重庆文理学院机器视觉与智能信息系统重点实验室	14	21	2.0	4.0
3	成英超	重庆文理学院机器视觉与智能信息系统重点实验室	2	4	1.0	2.0