一种结合主题模型的推荐算法

• 作者: 曹占伟 胡晓鹏
• 来源期刊: 计算机应用研究
• 关键词: 推荐算法 矩阵分解 隐式狄利克雷分布 KL散度 主题模型
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 1638-1642
• 页数: 5页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2017.12.0811

摘要

针对传统协同过滤推荐算法存在的冷启动、数据稀疏以及相似度度量的准确性问题,基于LDA主题模型对文本隐式主题挖掘的有效性和KL散度在主题分布相似性度量的准确性,提出了结合LDA主题模型的矩阵分解推荐算法.首先,利用改进的LDA算法输出项目—主题分布,并用困惑度作为主题数设置的修正函数;然后分别基于余弦相似度和KL散度计算得到项目相似度矩阵,将得到的相似度矩阵结合原评分训练集输出预评分,再将预评分填充到训练集;最后将训练集输入ALS矩阵分解算法得到推荐结果.通过MovieLens数据集的实验结果表明,该算法在不同隐式参数设定下均能得到比ALS推荐算法以及更小的预测误差,并且最优预测误差小于传统推荐算法.该实验说明了通过集成LDA主题模型的ALS算法效果要优于其他推荐算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡晓鹏	西南交通大学信息科学与技术学院	11	74	6.0	8.0
2	曹占伟	西南交通大学信息科学与技术学院	1	9	1.0	1.0