04 现在的位置:首页 > 期刊导读 > 2019 > 04 >

基于动态加权Bagging矩阵分解的推荐系统模型

【作者】何轶凡 邹海涛 于化龙

【关键词】 推荐系统; 矩阵分解; Bagging; 动态加权;

摘要为了提升推荐模型的预测精度,传统方法通常是利用更多的附加信息参与模型的构建.然而,此类方法在提高算法精度的同时也大大增加了算法的时间开销,同时对数据集也存在一定的要求.为了解决上述问题,提出一种基于Bagging集成的矩阵分解模型.该模型根据用户、产品评分数为基学习器动态分配权重,并通过加权求和得到预测评分.在三个不同规模的真实数据集上的实验结果显示:该动态加权Bagging矩阵分解模型拥有与传统矩阵分解模型一样的时间消耗,并且在各个衡量指标上都优于传统的矩阵分解模型. 

上一篇:基于模糊区分矩阵的结直肠癌基因选择
下一篇:基于有限临时删边的病毒传播控制策略

版权所有:《南京大学学报(自然科学版)》 苏ICP备10085945号
地址:江苏省南京市鼓楼区汉口路22号,《南京大学学报》编辑部,210093