声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：51-1196/TP
国际刊号：1001-3695
发布日期:
作者：张笑虹,张奇志,周亚丽,
单位：北京信息科技大学自动化学院,北京100192；
关键词：推荐系统,二项矩阵分解,评分偏置,
基金：国家自然科学基金资助项目(11672044,11172047)；；
针对推荐系统中的评分预测问题，在矩阵分解的基础上实现了一种修正的二项矩阵分解算法。假设用户对物品的评分基于二项分布，由于用户的评分习惯存在差异，物品的受欢迎程度也存在差异，导致用户—物品评分矩阵存在偏置量。通过引入偏置量对矩阵分解和评分预测进行修正，采用最大后验估计建模，并通过随机梯度下降算法优化模型。实验结果表明，在MovieLens 100K数据集上，引入评分偏置的二项矩阵分解算法在推荐精度、离线计算时间等方面均优于传统的二项矩阵分解算法。
来源：2020年第5期
《计算机应用研究》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。