基于关系图邻接矩阵逼近的推荐系统
朱振峰1
高红格2
赵耀
1.北京交通大学计算机与信息技术学院,北京,1000442.北京交通大学北京市现代信息科学与网络技术重点实验室,北京,100044
摘要：在基于关系图约束的推荐方法中,引入用户图(项目图)约束的目的是保持原始的高维用户表征空间(高维项目表征空间)与低维的隐性用户表征空间(隐性项目表征空间)之间用户关系(项目关系)的一致性.不同于传统的基于关系图Laplacian矩阵的一致性约束,本文提出一种基于关系图邻接矩阵逼近的推荐模型,从相似性空间一致性角度进行约束,在保持高维表征空间与低维隐性空间的一致性关系的同时,可以一定程度上避免局部过拟合问题.在EachMovie与MovieLens数据集上的实验结果验证了本文算法的有效性.
关键词：推荐系统协同过滤因子分解图模型梯度下降法
分类号：TP181(自动化基础理论)
论文发表日期：2017-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 1-7 )
英文信息