基于ALS模型协同过滤推荐算法的研究

摘要：

针对协同过滤算法存在着数据稀疏性、准确性以及可扩展性问题,提出了一种结合Word2V ec词向量模型和LSH局部敏感哈希的矩阵分解推荐算法.首先通过Word2Vec模型高速将词的相似性转换为向量之间的相似性,然后基于改进的LSH局部敏感哈希高速计算项目向量之间的相似矩阵,最后结合用户-项目原评分矩阵计算出未评分项目的预评分进行数据的填充,同时在ALS矩阵分解阶段加入相似性,以减少隐含特征因子信息的丢失.实验结果表明,改进的算法比传统的协同过滤推荐算法的MAE值低,具有更优的性能.

关键词：推荐算法、Word2Vec模型、LSH局部敏感哈希

分类号：TP311(计算技术、计算机技术)

在线出版日期：2020-08-07（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：30-35