基于雙重正則化的矩陣分解推薦算法研究.pdf

1、推薦系統(tǒng)是一種非常有效的信息過濾技術(shù)，可幫助用戶從浩瀚的數(shù)據(jù)海洋發(fā)現(xiàn)其感興趣的信息。自2006年10月Netflix公司組織推薦算法競賽以來，矩陣分解推薦模型因具有較低的時間和空間復(fù)雜度、較高的預(yù)測精度以及良好的擴(kuò)展性等優(yōu)點，受到了工業(yè)界和學(xué)術(shù)界的廣泛關(guān)注。已有的矩陣分解推薦模型僅從用戶的角度出發(fā)考慮了用戶的歷史行為信息和用戶間的社會關(guān)系。然而，在基于社交網(wǎng)絡(luò)的物品推薦場景中，物品之間的關(guān)聯(lián)關(guān)系對推薦結(jié)果的生成也有著重要的影響。如何準(zhǔn)確

2、地獲取物品之間的關(guān)聯(lián)關(guān)系是當(dāng)前的一個難點問題。另外，在為用戶做推薦時如何同時考慮用戶之間的社會關(guān)系和物品之間的關(guān)聯(lián)關(guān)系也是一個亟需解決的難點問題。
　　針對上述問題，本文首先給出了一種度量物品之間關(guān)聯(lián)程度的公式，并將其用于挖掘物品之間的關(guān)聯(lián)關(guān)系；其次提出一種基于雙重正則化的矩陣分解模型，該模型將物品之間的關(guān)聯(lián)關(guān)系和用戶之間的社會關(guān)系分別以關(guān)聯(lián)正則化和社會正則化的方式融入傳統(tǒng)的矩陣分解模型，能夠有效地緩解傳統(tǒng)矩陣分解模型存在的冷啟動