基于潜在因子多样性的非负矩阵分解协同过滤模型

作者:陶名康; 王新利; 宋燕
更新时间:

基于非负矩阵分解的协同过滤模型在预测和填充高维的稀疏数据方面非常有效。该模型具有个性化推荐和有效利用其他类似用户反馈信息的优点,但也存在预测精度低的缺点。针对不同场景下用户或项目的评分差异,提出了一种基于潜在因素多样性的改进协同过滤模型。该模型充分考虑了不同情况下用户和项目潜在特征矩阵的多样性。在模型的训练中,采用了单元素非负乘法更新规则和交替方向法,保证了目标矩阵的非负性,提高了模型的收敛速度。在实际工业数据集上的实验结果表明,与经典的非负矩阵分解模型相比,该模型的预测精度有显著提高。