基于评分矩阵局部低秩假设的成列协同排名算法
协同过滤方法是当今大多数推荐系统的核心.传统的协同过滤方法专注于评分预测的准确性,然而实际推荐系统的推荐结果往往是项目的排序.针对这一问题,将排名学习领域的知识引入推荐算法,设计了一种基于评分矩阵局部低秩假设的成列协同排名算法.选择直接使用计算复杂度较低的成列损失函数来优化矩阵分解模型、并通过实验验证了其在运算速度上的显著提升.在3个实际推荐系统数据集上,与当下主流推荐算法的比较实验结果表明,该算法具有良好的性能.
推荐系统、协同过滤、排名学习
26
TP311(计算技术、计算机技术)
北京市自然科学基金4142042;中央高校基本科研业务费专项资金2015YJS049
2016-08-19(万方平台首次上网日期,不代表论文的发表时间)
共13页
2981-2993