改进的基于狄利克雷混合模型的推荐算法

数据动态性在设计推荐算法过程中不能忽略。针对大多数传统型静态文本建模方法主要基于可交换性的基本假设,对数据在协变量空间上的依赖关系有所忽略的问题,本文提出了一种新的主要基于函数式DPM模型过程动态推荐模型。该模型对传统DPM混合模型在动态数据建模方面的问题进行了改进。创建了相关狄利克雷过程的参数与协变量空间联系,且狄利克雷过程仍然属于边际分布。应用函数式狄利克雷过程,可针对产生、消失以及参数改变的混合模型组件进行有效建模,并可作为动态先验融入非参数混合模型。仿真实验结果表明,与应用传统狄利克雷过程做先验的话题模型相比,本文算法优势更加明显。