首页 | 本学科首页   官方微博 | 高级检索  
     

多指标推荐的全局邻域模型
引用本文:吕红亮,王劲林,邓峰. 多指标推荐的全局邻域模型[J]. 西安交通大学学报, 2012, 0(11): 98-105
作者姓名:吕红亮  王劲林  邓峰
作者单位:中国科学院研究生院;中国科学院声学研究所国家网络新媒体工程技术研究中心
基金项目:国家“863计划”重点资助项目(2011AA01A102);国家科技支撑计划资助项目(2011BAH11B04);中国科学院战略性先导科技专项资助项目(XDA06010302)
摘    要:针对现有的多指标推荐模型预测精度较低、速度较慢的问题,提出一种多指标推荐的全局邻域模型(MGNgbr).该模型综合全局的打分信息和隐性反馈数据,通过随机梯度下降法学习物品在各个指标上的相似度,选择相似度最高的前k个邻居参与运算并最终预测用户对物品的打分信息.该模型具有预测准确度高、解释性好、计算复杂度低等优点.实验结果表明,该模型的预测准确度和分类准确度均优于现有的平均值融合模型、多维距离模型和多维奇异值分解模型,与多维奇异值分解模型相比,该模型还具有收敛快、运行时间短等优点.

关 键 词:随机梯度下降法  全局邻域模型  多指标推荐

A Global Neighborhood-Based Model with Multi-Criteria Recommendation
L Hongliang,WANG Jinlin,DENG Feng. A Global Neighborhood-Based Model with Multi-Criteria Recommendation[J]. Journal of Xi'an Jiaotong University, 2012, 0(11): 98-105
Authors:L Hongliang  WANG Jinlin  DENG Feng
Affiliation:1.Graduate University of Chinese Academy of Sciences,Beijing 100049,China;2.National Network New Media Engineering Research Center,Institute of Acoustics,Chinese Academy of Sciences,Beijing 100190,China)
Abstract:
Keywords:
本文献已被 CNKI 等数据库收录!
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号