基于TimeRBM和项目属性聚类的混合协同过滤算法

针对受限波尔茨曼机用于协同过滤算法存在的不足,忽略了用户兴趣随时间变化,同时只利用了严重稀疏的用户评分数据,首先提出一种融合了时间信息的用户RBM模型：TimeRBM模型,即在原有RBM模型中加入时间偏置项;其次提出利用项目属性信息聚类的方法进行评分预测;最后将TimeRBM模型和项目属性聚类方法得到的两种预测结果进行加权融合得到一种高效的混合算法。在基准数据集上的实验结果表明,这种混合的算法有助于提高推荐系统的预测精度。...

Full description

Saved in:
Bibliographic Details
Published in计算机应用研究 Vol. 35; no. 2; pp. 349 - 353
Main Author 杜丹琪;周凤
Format Journal Article
LanguageChinese
Published 贵州大学计算机科学与技术学院,贵阳,550025 2018
Subjects
TimeRBM
受限波尔茨曼机
时间函数
项目属性聚类
item attribute clustering
项目属性聚类
时间函数
TimeRBM
受限波尔茨曼机
time function
RBM
Online AccessGet full text
ISSN1001-3695
DOI10.3969/j.issn.1001-3695.2018.02.007

Cover

More Information
Summary:针对受限波尔茨曼机用于协同过滤算法存在的不足,忽略了用户兴趣随时间变化,同时只利用了严重稀疏的用户评分数据,首先提出一种融合了时间信息的用户RBM模型：TimeRBM模型,即在原有RBM模型中加入时间偏置项;其次提出利用项目属性信息聚类的方法进行评分预测;最后将TimeRBM模型和项目属性聚类方法得到的两种预测结果进行加权融合得到一种高效的混合算法。在基准数据集上的实验结果表明,这种混合的算法有助于提高推荐系统的预测精度。
Bibliography:51-1196/TP
In order to overcome the disadvantages of the restricted Bohzmann machine （RBM） for collaborative filtering algo- rithm ,which ignored the fact that user＇ s interests varied over time and only used the serious sparse user rating data. Firstly ,this paper proposed a user-based RBM model with time information：TimeRBM, by adding the time information bias term into the existing RBM model. Secondly, it proposed a method of clustering based on the attributes of the item for rating prediction. Finally,it weighted and fused the two prediction results obtained by the TimeRBM model and the item attribute clustering, thus built an efficient hybrid algorithm. Experimental results on the benchmark dataset show that this hybrid algorithm can improve the prediction accuracy of the recommendation system.
RBM ; time function ; TimeRBM ; item attribute clustering
Du Danqi, Zhou Feng （ College of Computer Science ＆ Technology, Guizhou University, Guiyang 550025, China）
ISSN:1001-3695
DOI:10.3969/j.issn.1001-3695.2018.02.007