基于多核学习的协同滤波算法

• 作者: 宋恺涛 彭甫镕 陆建峰
• 来源期刊: 数据采集与处理
• 学科: 工学
• 关键词: 协同滤波 多核学习 随机梯度 个性化推荐
• 年，卷（期）: 2018,（3）
• 页码范围: 496-503
• 页数: 8页
• 分类号: TP311
• 字数: 5022字
• 语种: 中文
• DOI: 10.16337/j.1004-9037.2018.03.013

摘要

协同滤波是当前推荐系统中一种主流的个性化推荐算法,通过近似用户对商品的评价进行推荐.核函数是解决非线性模式问题的一种方法.协同滤波通常会选用不同的核函数来分析用户之间的影响关系.由于单核函数无法适应于复杂多变场景.因此,结合多个核函数成为一种解决方法.多核学习能够针对场景来组合各个核函数以获取更好的结果.本文提出了一种基于多核学习的协同滤波算法.该算法在现有核函数的基础上,优化各个核函数的权重以匹配数据的分布.在大众点评数据集和Foursquare数据集上的实验结果表明:基于多核学习的协同滤波算法比经验给定的相似函数的性能要高,具有更好的普适性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陆建峰	南京理工大学计算机科学与工程学院	77	1217	17.0	33.0
2	彭甫镕	南京理工大学计算机科学与工程学院	7	53	3.0	7.0
3	宋恺涛	南京理工大学计算机科学与工程学院	3	3	1.0	1.0