一种基于循环回归的推荐算法  

A recommendation algorithm based on cyclic regression

作　　者：许逸格[1] 张可 柯朦 谢倩倩[2] 章文[1] 

机构地区：[1]武汉大学计算机学院,湖北武汉430072 [2]武汉大学数学与统计学院,湖北武汉430072

出　　处：《华中科技大学学报（自然科学版）》2013年第S2期188-191,共4页Journal of Huazhong University of Science and Technology(Natural Science Edition)

基　　金：教育部博士学科点专项科研基金资助项目(20100141120049);湖北省自然科学基金资助项目(2011CDB454);国家自然科学基金资助项目(61103126)

摘　　要：提出了一种基于循环回归的推荐算法.首先,对原数据集中的评分数据及缺失值进行离散化处理,然后对离散化数据进行回归模型训练,此过程循环执行并最终建立推荐系统.在离散化阶段,对比不同的离散方法,并对它们的分类粒度开展研究.在模型训练阶段,讨论回归算法对于模型性能的影响.数值计算实验表明,本算法较之近年非常热门的SVDFeaute方法,能够产生更小的均方根误差,验证了算法的有效性.A novel cyclic regression-based algorithm was presented,in which the user′s rates and missing values were discredited and the original problem was thus transformed as the regression problem.Different discretization methods were compared,and different regression methods were used to construct the models.In computational experiments,compared with the popular method SVDFeaute, the proposed algorithm can lead to the better performance in terms of the root mean squared error.

关 键 词：推荐系统 回归分析 循环 数据离散化 数据挖掘 缺失数据 

分 类 号：TP301.6[自动化与计算机技术—计算机系统结构]