基于Coclus联合聚类与非负矩阵分解的推荐算法

摘要：

当前推荐系统多数存在推荐准确性低、受稀疏性影响大且稳定性差的问题,因此,在Coclus聚类算法的基础上,提出一种评分矩阵与联合聚类的推荐算法.通过Coclus联合聚类,利用图模块度最大化理论分别将评分矩阵的行与列分成g类,经过行列变换形成gxg个低秩评分子矩阵,并对低秩评分子矩阵进行矩阵分解,填充缺失值,以提高推荐质量,在矩阵分解阶段采用改进的非负矩阵分解算法,通过引入L1、L2范数分别提高特征值选择能力和防止模型过拟合,并利用坐标轴下降的迭代算法进行参数更新.实验结果表明,与基线算法相比,该算法具有较高的推荐准确率,且稳定性较强.

关键词：非负矩阵分解、联合聚类、推荐系统、坐标轴下降法、模块度

所属期刊栏目：45

分类号：TP391(计算技术、计算机技术)

资助基金：科技部科技支撑计划项目“音乐云商业智能服务关键技术的研究”2013BAH66F03-02

在线出版日期：2019-12-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：68-73,80