多指标推荐的全局邻域模型

作者：吕红亮; 王劲林; 邓峰

来源：西安交通大学学报, 2012, (11): 98-105.

• 随机梯度下降法
• 全局邻域模型
• 多指标推荐 stochastic gradient descent method
• global neighborhood-based model
• multi-criteria recommendation

针对现有的多指标推荐模型预测精度较低、速度较慢的问题,提出一种多指标推荐的全局邻域模型(MGNgbr).该模型综合全局的打分信息和隐性反馈数据,通过随机梯度下降法学习物品在各个指标上的相似度,选择相似度最高的前k个邻居参与运算并最终预测用户对物品的打分信息.该模型具有预测准确度高、解释性好、计算复杂度低等优点.实验结果表明,该模型的预测准确度和分类准确度均优于现有的平均值融合模型、多维距离模型和多维奇异值分解模型,与多维奇异值分解模型相比,该模型还具有收敛快、运行时间短等优点.

• 出版日期2012
• 单位中国科学院声学研究所; 中国科学院大学