基于迭代加权回归的推荐算法 |
| |
引用本文: | 谭姗姗,;张培倩,;李再兴.基于迭代加权回归的推荐算法[J].数学理论与应用,2014(3):38-47. |
| |
作者姓名: | 谭姗姗 ;张培倩 ;李再兴 |
| |
作者单位: | [1]中国矿业大学(北京)理学院,北京100083; [2]百度在线网络技术(北京)有限公司,北京100094 |
| |
基金项目: | 本文得到国家自然科学基金项目(11001267),中央高校基本科研业务费项目(2009QS02)以及北京高等学校青年英才计划项目(YETP0945)的资助 |
| |
摘 要: | 评分预测问题是推荐系统研究的核心.本文利用用户评分数据集发掘商品之间的自相关性:将商品看作数据网络中的节点,用商品间的差异度定义节点间的距离,进而将评分预测问题转化为网络回归问题.然后使用迭代加权回归算法进行评分预测.通过对电影评分数据集Movie Lens的分析,验证了算法的有效性,结果表明迭代加权回归算法优于基于项目邻域的协同过滤算法.
|
关 键 词: | 推荐系统 评分预测 迭代加权回归 自相关性 |
本文献已被 CNKI 维普 等数据库收录! |
|