一种基于高斯混合模型的协同过滤算法

摘要：

协同过滤技术中的矩阵分解是推荐系统中的有效技术手段.而现在主流的矩阵分解算法假设推荐系统评分数据服从高斯分布,因而受数据噪声影响,其鲁棒性达不到预期.为了解决这个问题,提出基于高斯混合模型的矩阵分解算法.设定评分数据服从高斯混合分布,在此基础上应用基于贝叶斯概率的矩阵分解模型.同时,提出一种基于半监督学习的数据实验方法,充分挖掘有标签和无标签数据.实验结果表明,基于高斯混合分布的矩阵分解算法对评分噪声拥有更强的免疫力,同时可以提高预测准确率.

关键词：协同过滤、高斯混合模型、推荐系统、半监督学习

所属期刊栏目：44

分类号：TP39(计算技术、计算机技术)

资助基金：重庆市教委人文社会科学研究项目11SPK05;重庆文理学院机器视觉与智能信息系统重点实验室开放基金MVIIS2016Z01;重庆市教委科技项目KJ131225;重庆市永川区科技攻关项目Ycstc2013ad5001

在线出版日期：2017-12-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：451-454