一种可解释性泛化矩阵分解推荐算法

摘要：

可解释性矩阵分解解决了概率矩阵分解缺乏可解释性的问题,然而概率矩阵分解假设评分数据是服从正态分布的,这与实际场景有一定的偏差.针对该问题,提出一种可解释性泛化矩阵分解推荐算法.首先采用一种新型的变换函数使原始评分近似服从正态分布,然后通过可解释性矩阵分解获得预测评分,最后利用对应的逆变换函数将预测评分映射回原始评分区间.在三个数据集上进行实验,结果表明,与多个主流矩阵分解算法相比,提出的算法在多个评价指标上占优.

关键词：推荐系统、可解释性矩阵分解、变换函数、正态分布

所属期刊栏目：58

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金;四川省科技厅应用基础研究项目;四川省青年科技创新研究团队;浙江省海洋大数据挖掘与应用重点实验室开放课题

在线出版日期：2022-04-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：135-142