基于SVD++和物品嵌入的个性化推荐算法

• 作者: 周川畅
• 来源期刊: 电脑迷
• 关键词: 推荐系统 隐语义模型 SVD++ 点互信息 物品嵌入
• 年，卷（期）: 2017,（25）
• 所属期刊栏目: 网络天地
• 页码范围: 202
• 页数: 1页
• 字数: 1750字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-528X.2017.25.189

摘要

通过Netflix推荐系统竞赛,隐语义模型(latent factor models)逐渐成为推荐系统领域被人们熟知的术语.LFM模型将观测到的用户物品交互矩阵分解为用户和物品潜在因素.Koren提出了一个模型,称为SVD++,这个模型基于LFM模型.在本文中,我们提出了一个将SVD++和物品嵌入(item embedding)通过物品潜在因素联合分解的模型.我们表明,该模型在少量的额外增量开销下显著提高了SVD++模型在数据集上的性能,并明确了提高推荐质量的方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周川畅	中央民族大学信息工程学院	1	0	0.0	0.0