基于Logistic函数的贝叶斯概率矩阵分解算法
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。
推荐系统、信息处理、协同过滤、贝叶斯概率矩阵分解、Logistic函数
TP393(计算技术、计算机技术)
国家973计划项目2012CB315901;国家863计划项目2011AA01A103资助课题
2014-03-29(万方平台首次上网日期,不代表论文的发表时间)
共6页
715-720