一种改进的FunkSVD算法  

An Improved FunkSVD Algorithm

作　　者：岳小琛 刘其成[1] 牟春晓[1] YUE Xiao-chen;LIUQi-cheng;MU Chun-xiao(School of Computer and Control Engineering,Yantai University,Yantai 264005,China)

机构地区：[1]烟台大学计算机控制与工程学院,山东烟台264005

出　　处：《烟台大学学报（自然科学与工程版）》2022年第3期357-361,378,共6页Journal of Yantai University(Natural Science and Engineering Edition)

基　　金：国家自然科学基金资助项目(61702439);国家海洋局“十三五”海洋经济创新发展示范重点资助项目(YHC-ZB-P201701);山东省自然科学基金资助项目(ZR2016FM42);山东省重点研发计划资助项目(2016GGX109 004)。

摘　　要：为了提高传统FunkSVD算法的准确率,提出了一种改进的FunkSVD算法。该算法以传统FunkSVD为基础,利用深度学习优化算法RMSProp对其进行改进。改进后的算法既能解决因迭代振荡而引起的准确率下降问题,又能缓解数据稀疏对算法准确率的影响,从而达到提高算法准确率的效果。实验结果表明,本文提出的算法有效提高了推荐算法的准确率,优于传统FunkSVD推荐算法以及其他改进的FunkSVD算法。To improve the accuracy of the traditional FunkSVD algorithm, an improved FunkSVD algorithm is proposed, using RMSProp, a deep learning optimization algorithm. The improved algorithm can not only solve the accuracy decreasing problem caused by iterative oscillation, but also alleviate the influence of data sparseness on algorithm accuracy, thereby enhancing algorithm accuracy. The results show that the improved algorithm is superior to the traditional FunkSVD recommendation algorithm and other improved FunkSVD algorithms in accuracy.

关 键 词：深度学习 FunkSVD 梯度下降法 RMSProp 

分 类 号：TP391.3[自动化与计算机技术—计算机应用技术]