-
题名基于LFM矩阵分解的推荐算法优化研究
被引量：20
- 1
-
-
作者
陈晔
刘志强
-
机构
南京航空航天大学经济与管理学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2019年第2期116-120,167,共6页
-
基金
国家自然科学基金(No.71471087)
-
文摘
在推荐系统中,基于矩阵分解的推荐算法是目前的研究热点之一,然而普通矩阵分解算法的推荐精确度偏低,为了改善该问题,以矩阵分解算法中的潜在因子模型(LFM)优化为研究对象,分析LFM中两种基础推荐算法在寻优速率与推荐精度上的不足,然后提出两种改进算法:带冲量的批量学习算法和混合学习算法,最后通过实验数据测试,对比了不同算法的推荐效果,结果证明改进算法的性能更优。
-
关键词
矩阵分解
潜在因子模型
推荐算法
带冲量的批量学习算法
混合学习算法
-
Keywords
matrix factorization
Latent Factor Model(LFM)
recommendation algorithm
batch learning algorithm with momentum
mixed learning algorithm
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
