本文關鍵詞：基于譜聚類和擴展樸素貝葉斯的混合推薦算法

  更多相關文章： 推薦算法 譜聚類 樸素貝葉斯 增量式更新

【摘要】：隨著電子商務的發(fā)展,基于協(xié)同過濾的推薦算法越來越受歡迎,與此同時,該算法的缺陷也越來越明顯,如數(shù)據(jù)稀疏性、系統(tǒng)可擴展性等。為此,提出一種混合型推薦算法。該混合算法首先利用譜聚類方法,根據(jù)圖譜理論將聚類問題轉(zhuǎn)換為圖的分割問題,尋找相似數(shù)據(jù)群;然后利用擴展邏輯回歸的樸素貝葉斯算法對聚類結(jié)果建立預測模型;最后使用增量式更新的方法,在不全部重新訓練模型的基礎上,對模型進行局部修改。實驗結(jié)果表明,該算法較傳統(tǒng)的協(xié)同過濾算法在一定程度上克服了數(shù)據(jù)稀疏性和冷啟動問題,降低了計算復雜度,并且具有更好的準確性和可擴展性。
【作者單位】： 上海理工大學光電信息與計算機工程學院;上海理工大學計算機軟件技術研究所;
【關鍵詞】： 推薦算法 譜聚類 樸素貝葉斯 增量式更新
【基金】：國家自然科學基金資助項目(61170277,61472256) 上海市教委科研創(chuàng)新重點項目(12zz137) 上海市一流學科建設項目(S1201YLXK)
【分類號】：TP391.3
【正文快照】： 0引言協(xié)同過濾算法是目前為止最成功的推薦算法之一。較之于基于內(nèi)容的推薦算法,協(xié)同過濾推薦算法可以在完全不清楚物品內(nèi)部屬性的情況下,預測用戶對于物品的喜愛程度。典型的協(xié)同過濾算法利用一個用戶評價矩陣(URM)代表用戶對于物品的喜愛程度,其中行代表用戶U={u1,u2,u3,u4,，

本文編號：1101074