本文關(guān)鍵詞：一種基于學(xué)習(xí)自動機的推薦算法改進

  更多相關(guān)文章： 學(xué)習(xí)自動機 奇異值分解 推薦算法 隱語義模型 梯度下降算法

【摘要】：針對原有的基于隱語義模型(LFM)的推薦算法中,當(dāng)訓(xùn)練樣本數(shù)減少時,訓(xùn)練誤差和測試誤差都明顯增大的問題進行改進研究,提出了一種全新的基于學(xué)習(xí)自動機的矩陣訓(xùn)練算法。該算法充分利用連續(xù)型學(xué)習(xí)自動機在隨機和高噪聲環(huán)境中優(yōu)化參數(shù)的卓越性能,代替原有的梯度下降算法進行大型稀疏矩陣的奇異值分解計算,使得重構(gòu)矩陣與原矩陣之間的誤差進一步降低,提高了后續(xù)預(yù)測算法的精確度。為了檢驗新算法的尋優(yōu)性能,在大量真實用戶對電影的評分數(shù)據(jù)集上進行了新舊兩種算法的對比實驗,實驗結(jié)果表明改進后的基于學(xué)習(xí)自動機的推薦算法在樣本數(shù)較少和更隨機的測試環(huán)境中,相比原算法可以實現(xiàn)更精確的預(yù)測,有效地彌補了原算法的不足。
【作者單位】： 上海交通大學(xué)電子信息與電氣工程學(xué)院;
【關(guān)鍵詞】： 學(xué)習(xí)自動機 奇異值分解 推薦算法 隱語義模型 梯度下降算法
【基金】：國家自然科學(xué)基金資助項目(61271316) 國家“973”計劃資助項目(2013CB329603,2013CB329605) 上海市信息安全綜合管理技術(shù)研究重點實驗室基金 信息內(nèi)容分析技術(shù)國家工程實驗室基金資助項目
【分類號】：TP301.6
【正文快照】： 0引言隨著電子商務(wù)的盛行,推薦算法開始扮演越來越重要的角色。一個好的推薦算法可以在為用戶選擇個性化商品的同時,也為商家謀取豐厚的利潤。早在1992年就提出了一種基于用戶的協(xié)同過濾算法[1],這種推薦算法首先根據(jù)用戶的偏好找到相似的用戶對,然后根據(jù)其中一些用戶的已知偏

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 竇如靜;何成武;;學(xué)習(xí)自動機概述[J];自動化學(xué)報;1984年04期

2 劉曉;二次獎罰學(xué)習(xí)自動機[J];航空計算技術(shù);1999年02期

3 費躍農(nóng);吳青華;;基于學(xué)習(xí)自動機陣列的模糊規(guī)則學(xué)習(xí)方法[J];深圳大學(xué)學(xué)報(理工版);2007年01期

4 邵佳煒;;基于關(guān)聯(lián)矩陣和學(xué)習(xí)自動機的電影推薦研究[J];電腦知識與技術(shù);2012年08期

5 林炳桂;基于連續(xù)學(xué)習(xí)自動機解決網(wǎng)絡(luò)負載量的分配[J];福州大學(xué)學(xué)報(自然科學(xué)版);2002年05期

6 劉曉;一種自信學(xué)習(xí)自動機[J];航空計算技術(shù);1998年01期

7 趙學(xué)鋒;王秀花;楊海斌;張貴倉;;基于學(xué)習(xí)自動機的最小連通支配集算法[J];計算機工程;2011年10期

8 韓景紅,秦世引,宋永華;基于學(xué)習(xí)自動機的混雜電力系統(tǒng)緊急頻率控制[J];電力系統(tǒng)自動化;2000年18期

9 劉冬生;曾小薈;肖曉紅;劉新明;李滿華;;WSN中基于學(xué)習(xí)自動機的簇頭選舉算法[J];計算機工程與設(shè)計;2012年05期

10 曹立志;陳瑩;;基于學(xué)習(xí)自動機的無線傳感網(wǎng)能量均衡分簇算法[J];傳感技術(shù)學(xué)報;2013年11期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 陶彤彤;學(xué)習(xí)自動機及其在隨機定位應(yīng)用中的研究[D];上海交通大學(xué);2014年

2 蔡貴賢;基于學(xué)習(xí)自動機的分類算法研究[D];上海交通大學(xué);2014年

，

本文編號：767585