基于Adaboost算法的推荐系统评分预测框架
在机器学习领域,Adaboost算法的实用性和有效性早已被证明.然而该算法原本是为分类问题设计,因而在推荐系统领域研究问题中无法直接应用,对其应用研究相对较少.本文对Adaboost算法进行改进,通过引入阈值,将评分预测问题转化为分类问题,并利用其权重更新的思想训练模型,提出了一个针对评分预测问题的框架,可以将训练出的多个模型集成起来得到最终的评分预测,提高了预测精度.我们选取矩阵分解模型作为基本模型,实验结果表明,使用该框架可以有效提高预测精度.
推荐系统、Adaboost算法、矩阵分解模型、评分预测、推荐精度
26
TP1;O15
2017-09-18(万方平台首次上网日期,不代表论文的发表时间)
共7页
107-113