特征漂移約束算法在推薦系統(tǒng)中的優(yōu)化

打開(kāi)文本圖片集

摘要：在時(shí)間矩陣分解方法的基礎(chǔ)上，利用概念漂移檢測(cè)捕獲隨時(shí)間動(dòng)態(tài)變化的用戶興趣和項(xiàng)目偏好特征，可以有效提高個(gè)性化推薦算法的準(zhǔn)確性。為此，該文提出特征漂移約束（feature drift constraint，F(xiàn)DC）算法，首先，根據(jù)輸入樣本的評(píng)級(jí)反饋構(gòu)建評(píng)級(jí)矩陣的時(shí)間序列，采用矩陣分解方法將評(píng)級(jí)矩陣分解為用戶特征矩陣和項(xiàng)目特征矩陣;其次，在輸入新的評(píng)級(jí)樣本后訓(xùn)練模型，采用隨機(jī)梯度下降方法獲得優(yōu)化的學(xué)習(xí)參數(shù)，計(jì)算概念漂移的動(dòng)態(tài)特征加權(quán)用于調(diào)整模型;最后，結(jié)合用戶興趣特征向量和項(xiàng)目偏好特征向量?jī)?nèi)積計(jì)算得到預(yù)測(cè)的項(xiàng)目評(píng)級(jí)，實(shí)現(xiàn)項(xiàng)目推薦。（剩余13338字）