基于改进贝叶斯概率模型的推荐算法.pdfVIP

第44卷第5期 计算机科学 VoL44No．5 2017 2017年5月 COMPUTERSCIENCE May 基于改进贝叶斯概率模型的推荐算法 刘付勇高贤强张著 (塔里木大学信息工程学院 阿拉尔843300) 摘要针对现有基于矩阵分解的协同过滤推荐系统预测精度与推荐精度较低的问题，提出一种改进的矩阵分解方 法与协同过滤推荐系统。首先，将评分矩阵分解为两个非负矩阵，并对评分做归一化处理，使其具有概率语义；然后， 采用变分推理法计算贝叶斯概率模型实部后验的分布；最后，搜索相同偏好的用户分组并预测用户的偏好。此外，基 于用户向量的稀疏性设计一种低计算复杂度、低存储成本的推荐结果决策算法。基于3组公开数据集的实验结果表 明，本算法的预测性能以及推荐系统的效果均优于其他预测算法与推荐算法。 关键词协同过滤，贝叶斯概率模型，变分推理，矩阵分解，评分矩阵 中图法分类号TP391文献标识码A DOI 10．11896／j．issn．1002—137X．2017．05．052 ProbabilisticModelBasedRecommender ImprovedBayesian System LIU GAO ZHANGZhu FmyongXiarrqiang ofInformation 843300，China) (College Engineering，TarimUniversity，Mar Abstract atthe thatmatdxfactorizationbasedcollaborativerecommender Aimingproblem filtering systemspeHorm methodandcollaborativerlN20FII- low in andrecommendation，amatrixfactorization filtering accuracyprediction improved mendaT were matrixisfactorizedintotwo matrices，andthe re- systemproposed．Firstly，therating non-negative rating suitsarenormalizedtoshow inferenceisusedto thedistributionofthe compute probabilisticmeaning．Then，variational real distributionof user withthesame aresearchedandthe posterior Bayesianmodel．Lastly，thegroups preference