基于LFM矩阵分解的推荐算法优化研究

摘要：

在推荐系统中,基于矩阵分解的推荐算法是目前的研究热点之一,然而普通矩阵分解算法的推荐精确度偏低,为了改善该问题,以矩阵分解算法中的潜在因子模型(LFM)优化为研究对象,分析LFM中两种基础推荐算法在寻优速率与推荐精度上的不足,然后提出两种改进算法:带冲量的批量学习算法和混合学习算法,最后通过实验数据测试,对比了不同算法的推荐效果,结果证明改进算法的性能更优.

关键词：矩阵分解、潜在因子模型、推荐算法、带冲量的批量学习算法、混合学习算法

所属期刊栏目：55

分类号：TP311(计算技术、计算机技术)

资助基金：国家自然科学基金71471087

在线出版日期：2019-10-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：116-120