聚类概率矩阵分解的变分推断及应用

概率矩阵分解模型根据用户历史交互信息个性化推荐商品,是协同过滤中的经典方法之一.传统矩阵分解假设下无法利用不同用户之间的相似性,且在面对异常值时常预测失准.根据用户聚类信息,可构建共轭先验分布与类别相关的聚类概率矩阵分解模型,同时改变相关共轭先验分布形式,完成对参数作正则化处理.通过变分推断,理论推导变分参数的显式表达式,从而建立相应评分预测算法.模拟及真实数据集均表明该模型的预测性能优于基准模型,并能对用户评分做出现实解释.