原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
一种基于局部结构的改进奇异值分解推荐算法
第 35卷第 6期 电 子 与 信 息 学 报 Vo1．35NO．6
2013年 6月 JournalofElectronics＆ InformationTechnology Jun．2013
一 种基于局部结构的改进奇异值分解推荐算法
方耀宁 郭云飞 丁雪涛 兰巨龙
(国家数字交换系统_T-程技术研究中心 郑州 450002]
(清华大学软件学院 北京 100084)
摘 要：基于奇异值分解(SingularValueDecomposition，SVD)的推荐算法，在预测准确性、稳定性上具有明显优
势，但在用随机梯度下降法求解过程中误差下降速度逐渐变慢、迭代次数较多，这极大限制了其在实际项 目中的应
用。针对这个问题，该文利用评分矩阵的差分矩阵来表征局部结构信息，并作为新的 目标函数来优化 SVD推荐算
法。在MovieLens和 Netflix数据集合上的实验结果表明：与经典SVD算法相比，该优化算法能够用更少的迭代
次数得到更准确的预测结果；与当前的其他算法相 比，该优化算法在预测准确性上仅次于 SVD++，在训练时问上
具有显著优势。
关键词：信息处理；推荐系统；协同过滤；奇异值分解(SVD1；局部结构
中图分类号：TP393 文献标识码：A 文章编号：1009—5896(2013)06—1284—06
D0I：10．3724／SP．J．1146．2012．01299
AnImprovedSingularValueDecompositionRecommender
Algorithm BasedonLocalStructures
FangYao—ning① GuoYunfei① DingXue—tao② Lan Julong④
— —
①(NationalDiqlit01Switchin9Syste，nEn9i礼een9nndTechnDf0夕cⅡfRDCe几ter
， ZhengzhD札450002，Chi礼0)
②(chDofofSoft¨』J0 ， Tsi礼9h乱nUnie粥 Beiji扎 100084，Chinn)
Abstract：RecommenderalgorithmsbasedonSingularValueDecomposition(SVD)performsbetterinprediction
accuracyandstability，whilethespeed oferrordescentslowsdown gradually and theiteration numberishuge
whenapplyingStochasticGradientDescent(SGD)toSVD，whichgreatlylimitsitsusageinactualprojects．To
addressthisproblem ，thedifferencematrixoftheratingmatrixisused torepresentthelocalstructuresandto
optimizeSVD asanew targetfunction．ExperimentsonMovieLensandNetflixdatasetshow thattheimp
文档评论（0）