基于Logistic函数的贝叶斯概率矩阵分解算法

摘要：

在协同过滤推荐系统中，矩阵分解是一种非常有效的工具。贝叶斯概率矩阵分解模型具有预测精度高的优点，但不能表示潜在因子之间的非线性关系。针对该问题，该文提出一种基于Logistic函数的改进贝叶斯概率矩阵分解模型，并使用马尔科夫链蒙特卡罗方法进行训练。在两组真实数据集合上的实验表明，基于Logistic函数的贝叶斯概率矩阵分解算法能够明显提高预测准确性，有效缓解数据稀疏性问题。

关键词：推荐系统、信息处理、协同过滤、贝叶斯概率矩阵分解、Logistic函数

分类号：TP393(计算技术、计算机技术)

资助基金：国家973计划项目2012CB315901;国家863计划项目2011AA01A103资助课题

在线出版日期：2014-03-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：715-720