基于平行因子分解的協(xié)同聚類推薦算法
2016-06-28 08:23:31丁小煥彭甫镕王瓊陸建峰
計算機應用 2016年6期
關(guān)鍵詞：推薦系統(tǒng)標簽
丁小煥 彭甫镕 王瓊 陸建峰
摘 要：針對三元組數(shù)據(jù)內(nèi)在關(guān)聯(lián)性復雜的特點，提出了基于平行因子分解（PARAFAC）的協(xié)同聚類推薦算法。該算法利用PARAFAC算法對張量進行分解，挖掘多維數(shù)據(jù)實體之間的相關(guān)聯(lián)系和潛在主題。首先，利用PARAFAC分解算法對三元組張量數(shù)據(jù)進行聚類；然后，基于協(xié)同聚類算法提出了三種不同方案的推薦模型，并通過實驗對三種方案進行了比較，得到了最優(yōu)的推薦模型；最后，將提出的協(xié)同聚類模型與基于高階奇異值分解（HOSVD）的推薦模型進行比較。在last.fm數(shù)據(jù)集上，PARAFAC協(xié)同聚類算法比HOSVD張量分解算法在召回率和精確度上平均提高了9.8個百分點和3.7個百分點，在delicious數(shù)據(jù)集上平均提高了11.6個百分點和3.9個百分點。實驗結(jié)果表明所提算法能更有效地挖掘出張量中的潛在信息和內(nèi)在聯(lián)系，實現(xiàn)高準確率和高召回率的推薦。
關(guān)鍵詞：標簽；張量分解；協(xié)同聚類；推薦系統(tǒng)；平行因子分解
中圖分類號： TP311.1TP391 文獻標志碼：A英文標題
猜你喜歡
科教新報(2022年43期)2022-11-27 16:01:07
車迷(2018年11期)2018-08-30 03:20:32
海峽姐妹(2018年3期)2018-05-09 08:21:02
軟件(2016年4期)2017-01-20 10:09:33
計算機應用(2016年12期)2017-01-13 20:37:46
電腦知識與技術(shù)(2016年28期)2016-12-21 11:09:59
電腦知識與技術(shù)(2016年27期)2016-12-15 19:46:14
電腦知識與技術(shù)(2016年25期)2016-11-16 14:41:13
商(2016年29期)2016-10-29 15:22:08
公民與法治(2016年10期)2016-05-17 04:12:58
