基于雙重正則化的矩陣分解推薦算法研究.pdf

1、推薦系統(tǒng)是一種非常有效的信息過濾技術，可幫助用戶從浩瀚的數據海洋發(fā)現(xiàn)其感興趣的信息。自2006年10月Netflix公司組織推薦算法競賽以來，矩陣分解推薦模型因具有較低的時間和空間復雜度、較高的預測精度以及良好的擴展性等優(yōu)點，受到了工業(yè)界和學術界的廣泛關注。已有的矩陣分解推薦模型僅從用戶的角度出發(fā)考慮了用戶的歷史行為信息和用戶間的社會關系。然而，在基于社交網絡的物品推薦場景中，物品之間的關聯(lián)關系對推薦結果的生成也有著重要的影響。如何準確

2、地獲取物品之間的關聯(lián)關系是當前的一個難點問題。另外，在為用戶做推薦時如何同時考慮用戶之間的社會關系和物品之間的關聯(lián)關系也是一個亟需解決的難點問題。
　　針對上述問題，本文首先給出了一種度量物品之間關聯(lián)程度的公式，并將其用于挖掘物品之間的關聯(lián)關系；其次提出一種基于雙重正則化的矩陣分解模型，該模型將物品之間的關聯(lián)關系和用戶之間的社會關系分別以關聯(lián)正則化和社會正則化的方式融入傳統(tǒng)的矩陣分解模型，能夠有效地緩解傳統(tǒng)矩陣分解模型存在的冷啟動