咨询与建议

看过本文的还看了

相关文献

该作者的其他文献

文献详情 >基于评分矩阵局部低秩假设的成列协同排名算法 收藏

基于评分矩阵局部低秩假设的成列协同排名算法

Listwise Collaborative Ranking Based on the Assumption of Locally Low-Rank Rating Matrix

作     者:刘海洋 王志海 黄丹 孙艳歌 LIU Hai-Yang;WANG Zhi-Hai;HUANG Dan;SUN Yan-Ge

作者机构:北京交通大学计算机与信息技术学院北京100044 

出 版 物:《软件学报》 (Journal of Software)

年 卷 期:2015年第26卷第11期

页      面:2981-2993页

核心收录:

学科分类:08[工学] 0835[工学-软件工程] 081202[工学-计算机软件与理论] 0812[工学-计算机科学与技术(可授工学、理学学位)] 

基  金: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) 

主  题:推荐系统 协同过滤 排名学习 

摘      要: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.

读者评论 与其他读者分享你的观点

用户名:未登录
我的评分