二项矩阵分解在离散评分推荐算法中的改进  

IMPROVEMENT OF BINOMIAL MATRIX FACTORISATION FOR DISCRETE RATING RECOMMENDATIONS

作　　者：刘凤林[1] 胡雪蕾[1] 

机构地区：[1]南京理工大学计算机科学与工程学院,江苏南京210094

出　　处：《计算机应用与软件》2016年第1期81-84,共4页Computer Applications and Software

摘　　要：针对个性化推荐中离散的评分预测问题,从更加直观的角度,提出一种改进的隐含语义二项分布模型。通过隐含语义分析构建用户的兴趣度模型,同时考虑了领域物品的隐反馈。假设用户评分基于二项分布,通过最大后验估计(MAP)构建目标函数,并用梯度下降法进行参数学习。实验表明,在Movie Lens数据集下,该算法准确度优于原始的二项矩阵分解模型(BMF),其效果接近于SVD++。In this paper, we propose an improved latent semantic binomial distribution model from an intuitive point of view for discrete rating prediction in personalised recommendation. We build the model of user＇ s interest degree by latent semantic analysis and take the implicit feedbacks of domain item into account. Assuming that people＇ s rating follow a binomial distribution, we use the maximum a posteriori （MAP） estimate to construct the objective function and use gradient descent to learn parameters. Experiment shows that in MovieLens datasets, our algorithm outperforms the primitive binomial factorisation model （BMF） and has similar performance as SVD ＋ ＋.

关 键 词：推荐系统 隐含语义分析 二项分布 最大后验估计 

分 类 号：TP3[自动化与计算机技术—计算机科学与技术]