一种负样本改进的LDA主题模型推荐算法

• 作者: 何灵敏 张航
• 来源期刊: 中国计量大学学报
• 学科: 工学
• 关键词: LDA主题模型 推荐系统 负样本 矩阵分解 协同过滤
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 信息科学
• 页码范围: 55-58,63
• 页数: 5页
• 分类号: TP3
• 字数: 3535字
• 语种: 中文
• DOI: 10.3969/j.issn.2096-2835.2018.01.010

摘要

LDA主题模型是文本挖掘领域的重要算法,同时在推荐系统当中也有不错的表现.通过LDA主题模型挖掘用户感兴趣的主题,是目前最常用的用户兴趣主题挖掘方法之一.为了提高LDA主题模型应用在推荐系统时的推荐质量,我们提出了一种基于负样本进行学习的方法negLDA.通过创造出负样本来学习用户对物品的负面预测评分,同时结合正样本学习得到的正面预测评分,从正反两个方面进行综合评测,从而更加精确地衡量出用户对物品的预测评分.通过在MoviesLens-100k、MovieLens-1M、FilmTrust这三个数据集上的实验,表明所提出的算法在精确率、召回率、AUC三个指标上相比传统算法均有一定改进.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何灵敏	中国计量大学信息工程学院	21	62	5.0	6.0
2	张航	中国计量大学信息工程学院	1	4	1.0	1.0