摘要：
在现实情况下，用户的显式反馈严重不足，但一般拥有大量隐式反馈信息。所以在偏置svd基础上增加了用户的隐式反馈信息，该方法融合了用户的显式和隐式信息。 1.预测评分公式为 其中，有全局平均分，user的偏置信息，item的偏置信息，Ni为该用户评价过的所有item集合，从隐式反馈出发，作为用户偏好的补 阅读全文
posted @ 2020-03-15 20:09
石头木
阅读(709)
评论(0)
推荐(0)
摘要：
LFM预测是通过隐类将user和item联系起来。但在实际情况下，不同用户的评分标准不同，有的偏高，有的偏低。有的系统有些固有属性和user属性以及item属性都无关。因此才有了带偏置信息的biasLFM。 1.预测评分公式为 该式有四项：全局平均分、user的偏置信息、item的偏置信息以及use 阅读全文
posted @ 2020-03-15 15:55
石头木
阅读(399)
评论(0)
推荐(0)
摘要：
1.ALS用于显示反馈，即有明确评分的数据。对于隐式反馈，可利用加权ALS，对于有确定偏好的item赋于较大权重，对于没有反馈的item，赋于较小权重。 其中，P矩阵维度：N*K；Q矩阵维度：M*K。前者为User在K维潜因子空间的表示；后者为Item在K维潜因子空间的表示。 2.预测评分，或者説近 阅读全文
posted @ 2020-03-15 10:49
石头木
阅读(679)
评论(0)
推荐(0)
浙公网安备 33010602011771号