1. 首页
  2. 编程语言
  3. 其他
  4. 论文研究基于置信度加权的单类协同过滤推荐算法.pdf

论文研究基于置信度加权的单类协同过滤推荐算法.pdf

上传者: 2019-09-20 03:55:48上传 PDF文件 1.69MB 热度 28次
针对推荐系统中单类协同过滤(OCCF)可解释性差、数据噪声多的缺陷,提出了一种基于置信度加权的单类协同过滤推荐算法。算法通过置信度函数将用户隐性反馈映射为置信概率,并将该函数集成到隐性反馈推荐模型(IFRM)框架中,形成了隐性反馈置信度加权推荐模型(CWIFRM);在此基础上,针对CWIFRM基于随机梯度下降提出了异构置信度优化算法。实验结果表明,该模型在多个数据集上都具有更好的推荐效果,异构置信度优化算法使推荐质量得到了进一步提高,验证了CWIFRM具有较强的适用性、可解释性和抗噪声能力。
下载地址
用户评论