两阶段联合聚类协同过滤算法
文献类型：期刊论文
| 作者 | 吴湖 ; 王永吉 ; 王哲 ; 王秀利 ; 杜栓柱 |
| 刊名 | 软件学报
 |
| 出版日期 | 2010 |
| 卷号 | 21期号:5页码:1042-1054 |
| 关键词 | 协同过滤 推荐系统 联合聚类 非负矩阵分解 |
| ISSN号 | 1000-9825 |
| 其他题名 | two-phase collaborative filtering algorithm based on co-clustering |
| 中文摘要 | 提出一种两阶段评分预测方法.该方法基于一种新的联合聚类算法(BlockClust)和加权非负矩阵分解算法.首先对原始矩阵中的评分模式进行用户和物品两个维度的联合聚类,然后在这些类别的内部通过加权非负矩阵分解方法进行未知评分预测.这种方法的优势在于,首阶段聚类后的矩阵规模远远小于原始评分矩阵,并且同一类别内部的评分具有相似的模式,这样,在大幅度降低预测阶段计算量的同时又提高了非负矩阵分解算法在面对稀疏矩阵预测上的准确度.进一步给出了推荐系统的3种更新模式下如何高效更新预测模型的增量学习方法.在MovieLens数据集上比较了新算法及其他7种相关方法的性能,从而验证了该方法的有效性及其在大型实时推荐系统中的应用价值. |
| 学科主题 | Computer Science |
| 语种 | 中文 |
| 公开日期 | 2011-05-23 |
| 附注 | This paper proposes a two-phase rating predicting framework that fuses co-clustering and non-negative matrix factorization method. First, it uses a novel co-clustering method (BlockClust) to divide the raw rating matrix into clusters much smaller than the original matrix. Then it employs weighted non-negative matrix factorization algorithm to predict the unknown ratings. In virtue of co-clustering preprocessing, this method achieves a higher predicting accuracy and efficiency on these low-dimensional and homogeneous sub-matrices. Moreover, it proposes three update schemes for the corresponding update scenarios in recommender systems. Finally, the proposed method is implemented together with seven types of related CF (collaborative filtering) methods. The comparisons show the efficiency of the proposed method and its potential in large real-time recommender systems. |
| 源URL | [http://124.16.136.157/handle/311060/9984]  |
| 专题 | 软件研究所_互联网软件技术实验室 _期刊论文 |
| 推荐引用方式 GB/T 7714 | 吴湖,王永吉,王哲,等. 两阶段联合聚类协同过滤算法[J]. 软件学报,2010,21(5):1042-1054. |
| APA | 吴湖,王永吉,王哲,王秀利,&杜栓柱.(2010).两阶段联合聚类协同过滤算法.软件学报,21(5),1042-1054. |
| MLA | 吴湖,et al."两阶段联合聚类协同过滤算法".软件学报 21.5(2010):1042-1054. |
入库方式： OAI收割
来源：软件研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。