一种基于多正则化参数的矩阵分解推荐算法

摘要：

基于梯度下降矩阵分解模型的协同过滤推荐算法需要利用正则化技术对问题加以约束.损失函数中的正则化参数能够提高模型的预测精度,防止训练过拟合,并可以在二者间调节,使二者平衡.提出了一种多正则化参数的方法,根据用户的活跃度或者项目的流行度确定正则化参数的值,能在不同评分数量的用户或者项目上防止训练过拟合,同时可以得到更好的预测精度.实验结果验证了算法的正确性和有效性.

关键词：推荐系统、协同过滤、概率矩阵分解、正则化参数

所属期刊栏目：53

分类号：TP311(计算技术、计算机技术)

资助基金：国家自然科学基金61473089

在线出版日期：2017-04-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：74-79