-
题名上下文分解机的自适应更新策略
- 1
-
-
作者
姚杏
朱福喜
阳小兰
郑麟
刘世超
-
机构
武汉大学计算机学院
武昌理工学院信息工程学院
-
出处
《计算机科学》
CSCD
北大核心
2016年第9期71-76,共6页
-
基金
国家自然科学基金(61272277)
湖北省自然科学基金(2014CFB356)资助
-
文摘
分解机模型已经被成功应用于上下文推荐系统。在分解机模型的学习算法中,交替最小二乘法是一种固定其他参数只求单一参数最优值的学习算法,其参数数目影响计算复杂度。然而当特征数目很大时,参数数目随着特征数目急剧增加,导致计算复杂度很高;即使有些参数已经达到了最优值,每次迭代仍更新所有的参数。因此,主要改进了交替最小二乘法的参数更新策略,为参数引入自适应误差指标,通过权重和参数绝对误差共同决定该参数更新与否,使得每次迭代时重点更新最近两次迭代取值变化较大的参数。这种仅更新自适应误差大于阈值的参数的策略不但减少了需要更新的参数数目,进而加快了算法收敛的速度和缩短了运行时间,而且参数权重由误差决定,又修正了误差。在Yahoo和Movielens数据集上的实验结果证明:改进的参数更新策略运行效率有明显提高。
-
关键词
分解机模型
交替最小二乘法
推荐系统
自适应误差
-
Keywords
Factorization machines, Alternating least-squares, Recommender systems, Adaptive error
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名云环境下基于L-BFGS的协同过滤算法
被引量：1
- 2
-
-
作者
金淳
何世福
-
机构
大连理工大学管理与经济学部系统工程研究所
-
出处
《计算机工程与设计》
北大核心
2018年第3期752-757,791,共7页
-
基金
国家自然科学基金项目(71271041)
-
文摘
为解决云环境下协同过滤算法面临的数据稀疏性和算法可扩展性问题,提出一种基于L-BFGS优化的协同过滤算法。将用户和商品的特征进行组合,降低数据稀疏性影响;用L-BFGS算法对因子分解机模型进行参数训练,通过模型进行评分预测推荐。在Spark计算框架使用不同数据集进行实验比较,比较结果表明,该算法具有良好的预测精度和可扩展性,计算效率和资源能更好地适应云环境下推荐系统的实时性要求。
-
关键词
协同过滤
L-BFGS算法
因子分解机模型
云环境
个性化推荐
-
Keywords
collaborative filtering
L- BFGS
factorization machine
Spark
personalized recommendation
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
