-
题名基于Coclus联合聚类与非负矩阵分解的推荐算法
被引量:2
- 1
-
-
作者
王泽华
柯新生
-
机构
北京交通大学经济管理学院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2019年第11期68-73,80,共7页
-
基金
科技部科技支撑计划项目“音乐云商业智能服务关键技术的研究”(2013BAH66F03-02)
-
文摘
当前推荐系统多数存在推荐准确性低、受稀疏性影响大且稳定性差的问题,因此,在Coclus聚类算法的基础上,提出一种评分矩阵与联合聚类的推荐算法。通过Coclus联合聚类,利用图模块度最大化理论分别将评分矩阵的行与列分成g类,经过行列变换形成g×g个低秩评分子矩阵,并对低秩评分子矩阵进行矩阵分解,填充缺失值,以提高推荐质量,在矩阵分解阶段采用改进的非负矩阵分解算法,通过引入L1、L2范数分别提高特征值选择能力和防止模型过拟合,并利用坐标轴下降的迭代算法进行参数更新。实验结果表明,与基线算法相比,该算法具有较高的推荐准确率,且稳定性较强。
-
关键词
非负矩阵分解
联合聚类
推荐系统
坐标轴下降法
模块度
-
Keywords
non-negative matrix factorization
joint clustering
recommendation systems
coordinate axis descent method
modularity
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-