本文關(guān)鍵詞： 用戶(hù)偏好 評(píng)分?jǐn)?shù)據(jù) 貝葉斯網(wǎng) 隱變量模型 概率推理 帶偏置的矩陣分解　出處：《計(jì)算機(jī)應(yīng)用》2017年02期 　論文類(lèi)型：期刊論文

【摘要】：電子商務(wù)應(yīng)用中產(chǎn)生了大量用戶(hù)評(píng)分?jǐn)?shù)據(jù),而這些數(shù)據(jù)中富含了用戶(hù)觀點(diǎn)和偏好信息,為了能夠從這些數(shù)據(jù)中準(zhǔn)確地推斷出用戶(hù)偏好,提出一種面向評(píng)分?jǐn)?shù)據(jù)中用戶(hù)偏好發(fā)現(xiàn)的隱變量模型(即含隱變量的貝葉斯網(wǎng))構(gòu)建和推理的方法。首先,針對(duì)評(píng)分?jǐn)?shù)據(jù)的稀疏性,使用帶偏置的矩陣分解(BMF)模型對(duì)其進(jìn)行填補(bǔ);其次,用隱變量表示用戶(hù)偏好,給出了基于互信息(MI)、最大半團(tuán)和期望最大化(EM)算法的隱變量模型構(gòu)建方法;最后,給出了基于Gibbs采樣的隱變量模型概率推理和用戶(hù)偏好發(fā)現(xiàn)方法。實(shí)驗(yàn)結(jié)果表明,與協(xié)同過(guò)濾的方法相比,該方法能有效地描述評(píng)分?jǐn)?shù)據(jù)中相關(guān)屬性之間的依賴(lài)關(guān)系及其不確定性,從而能夠更準(zhǔn)確地推斷出用戶(hù)偏好。
[Abstract]:A large number of user rating data are generated in e-commerce applications, which are rich in user opinion and preference information, in order to accurately infer user preferences from these data. In this paper, a method of constructing and reasoning hidden variable model (Bayesian network with hidden variables) for user preference discovery in scoring data is proposed. Firstly, aiming at the sparsity of score data, The matrix factorization (BMF) model with bias is used to fill it. Secondly, implicit variables are used to represent user preference, and a method of constructing hidden variable model based on mutual information MIA algorithm, maximum half-group algorithm and expectation maximization algorithm is presented. The probabilistic reasoning and user preference discovery method of hidden variable model based on Gibbs sampling are presented. The experimental results show that, compared with the cooperative filtering method, This method can effectively describe the dependency and uncertainty among the related attributes in the scoring data, and thus more accurately infer user preferences.
【作者單位】： 云南大學(xué)信息學(xué)院;昆明理工大學(xué)信息工程與自動(dòng)化學(xué)院;
【基金】：國(guó)家自然科學(xué)基金資助項(xiàng)目(61472345,61562090,61462056) 云南省應(yīng)用基礎(chǔ)研究計(jì)劃項(xiàng)目(2014FA023,2014FA028) 云南省中青年學(xué)術(shù)和技術(shù)帶頭人才后備人才培育計(jì)劃項(xiàng)目(2012HB004) 云南大學(xué)青年英才培育計(jì)劃項(xiàng)目(XT412003);云南大學(xué)創(chuàng)新團(tuán)隊(duì)培育計(jì)劃項(xiàng)目(XT412011)~~
【分類(lèi)號(hào)】：F713.36;TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王秀美;高新波;張乾坤;宋國(guó)鄉(xiāng);;一種基于局部保持的隱變量模型[J];模式識(shí)別與人工智能;2010年03期

2 姚宏亮;王秀芳;王浩;;一種基于結(jié)構(gòu)分解和因子分析的貝葉斯網(wǎng)絡(luò)隱變量發(fā)現(xiàn)算法[J];計(jì)算機(jī)科學(xué);2012年02期

3 姚宏亮;吳立輝;王浩;李俊照;;局部因果關(guān)系分析的隱變量發(fā)現(xiàn)算法[J];計(jì)算機(jī)科學(xué)與探索;2014年04期

4 熊麗;梁軍;錢(qián)積新;;基于偏最小二乘隱變量空間的控制器設(shè)計(jì)方法[J];化工學(xué)報(bào);2007年02期

5 仝明磊;邊后琴;;共享隱變量模型的解析算法及應(yīng)用[J];上海電力學(xué)院學(xué)報(bào);2010年05期

6 王磊;鄒北驥;彭小寧;;針對(duì)表情動(dòng)作單元跟蹤的隧道隱變量法[J];自動(dòng)化學(xué)報(bào);2009年02期

7 肖應(yīng)旺;;動(dòng)態(tài)隱變量法及其在動(dòng)態(tài)過(guò)程監(jiān)控中的應(yīng)用[J];儀器儀表學(xué)報(bào);2012年01期

8 李建明;曲成毅;;隱變量交互作用分析建模方法——兩階段最小二乘法(2SLS)及其在SAS軟件上的實(shí)現(xiàn)[J];數(shù)理醫(yī)藥學(xué)雜志;2011年06期

9 仝明磊;韓紅;朱武;;利用共享動(dòng)態(tài)隱變量模型估計(jì)三維人體運(yùn)動(dòng)[J];中國(guó)科學(xué):信息科學(xué);2012年01期

10 楊智勇;劉金蘭;;基于隱變量分析的IT投資回報(bào)模型研究[J];統(tǒng)計(jì)與決策;2007年18期

相關(guān)會(huì)議論文 前1條

1 瞿英;賈建;吳祈宗;;基于灰色關(guān)聯(lián)聚類(lèi)的隱變量學(xué)習(xí)算法研究[A];2009中國(guó)控制與決策會(huì)議論文集（3）[C];2009年

相關(guān)博士學(xué)位論文 前4條

1 李萬(wàn)益;基于隱變量概率統(tǒng)計(jì)模型的人體運(yùn)動(dòng)形態(tài)估計(jì)[D];華南理工大學(xué);2015年

2 王秀美;隱變量模型的建模與優(yōu)化[D];西安電子科技大學(xué);2010年

3 薛曉川;含隱變量的生物系統(tǒng)動(dòng)力學(xué)：從單分子到細(xì)胞[D];清華大學(xué);2009年

4 池清華;PLS隱變量空間模型預(yù)測(cè)控制算法研究[D];浙江大學(xué);2015年

相關(guān)碩士學(xué)位論文 前6條

1 黃斐;基于隱變量模型的歌曲轉(zhuǎn)換方法研究[D];西安建筑科技大學(xué);2015年

2 吳立輝;貝葉斯網(wǎng)絡(luò)的因果隱變量發(fā)現(xiàn)及其應(yīng)用研究[D];合肥工業(yè)大學(xué);2014年

3 張衛(wèi)鵬;基于衣服屬性感知的人體姿勢(shì)預(yù)測(cè)[D];上海交通大學(xué);2015年

4 鄧日升;面向商品評(píng)分預(yù)測(cè)的隱變量模型構(gòu)建與推理[D];云南大學(xué);2016年

5 王秀芳;具有隱變量的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)研究[D];合肥工業(yè)大學(xué);2012年

6 和超;基于結(jié)構(gòu)EM的隱變量模型學(xué)習(xí)方法[D];云南大學(xué);2015年

，

本文編號(hào)：1515168