基于弹性网络正则化的隐因子预测模型

• 作者: 刘锐 王德贤 贺文灏 邓萍
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 高维稀疏矩阵 隐因子 大数据
• 年，卷（期）: 2019,（7）
• 所属期刊栏目: 算法
• 页码范围: 287-293
• 页数: 7页
• 分类号: TP391.9
• 字数: 4884字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2019.07.049

摘要

在大数据预测中,通常采用SGD_LF模型对高维稀疏矩阵中的缺失数据进行预测.由于SGD_LF模型仅有L2正则化项对目标函数进行约束,不能调整隐因子的分布,这样导致模型不能很好地描述目标矩阵中实体特性,损失了模型精度.用FOBOS算法构造一个同时用L1和L2限制目标函数的弹性网络ENLF模型,ENLF很好地调整隐因子的分布并提高了模型性能.为了进一步提高ENLF模型的性能,在其中加入偏差,构造BENLF模型.在大型商业数据集上的实验表明,ENLF和BENLF模型的预测精度和模型稀疏性等性能有显著提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王德贤	西华师范大学计算机学院	4	6	2.0	2.0
2	贺文灏	西华师范大学计算机学院	1	0	0.0	0.0
3	邓萍	西南交通大学信息科学与技术学院	1	0	0.0	0.0
4	刘锐	西华师范大学计算机学院	3	1	1.0	1.0