期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于置信度加权的单类协同过滤推荐算法 被引量:6
1
作者 郭伟 王佳伟 +1 位作者 唐晓亮 洪倩 《计算机应用研究》 CSCD 北大核心 2018年第12期3618-3623,3627,共7页
针对推荐系统中单类协同过滤(OCCF)可解释性差、数据噪声多的缺陷,提出了一种基于置信度加权的单类协同过滤推荐算法。算法通过置信度函数将用户隐性反馈映射为置信概率,并将该函数集成到隐性反馈推荐模型(IFRM)框架中,形成了隐性反馈... 针对推荐系统中单类协同过滤(OCCF)可解释性差、数据噪声多的缺陷,提出了一种基于置信度加权的单类协同过滤推荐算法。算法通过置信度函数将用户隐性反馈映射为置信概率,并将该函数集成到隐性反馈推荐模型(IFRM)框架中,形成了隐性反馈置信度加权推荐模型(CWIFRM);在此基础上,针对CWIFRM基于随机梯度下降提出了异构置信度优化算法。实验结果表明,该模型在多个数据集上都具有更好的推荐效果,异构置信度优化算法使推荐质量得到了进一步提高,验证了CWIFRM具有较强的适用性、可解释性和抗噪声能力。 展开更多
关键词 推荐系统 单类协同过滤 隐性反馈 置信度加权 异构置信度优化
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部