一种基于多视图学习的群组发现方法

近年来,群组推荐因其良好的实用价值得到了广泛关注。作为群组推荐的一个重要环节,群组发现对推荐结果具有至关重要的影响。对于同一群组中的用户,用户的相似度越大,推荐的精度就越高。为了有效提升群组内用户相似度,改善推荐的精度,降低误差率,文中提出了一种基于多视图学习的群组发现方法。该方法首先提取多维度的显式信息,并用相似度矩阵表示,采用动态主题模型更新用户的偏好;然后,基于多视图学习对用户相似度矩阵分配权重,利用无监督学习训练得出隐式信息;最后,根据用户相似度矩阵和分组方法提出群组发现算法,实现用户群组划分。仿真对比实验表明本文所提的方法分组效果更好。