基于Bregman联合聚类与加权矩阵分解的融合推荐算法

作者：郭蕊; 孙福振^*; 王绍卿; 张进; 王帅; 方春

来源：科学技术与工程, 2019, 19(08): 176-181.

• 联合聚类
• 矩阵分解
• 学习率函数
• SVD++
• 加权策略
• 均值融合

针对当前大数据背景下推荐系统中所存在推荐效率低下、扩展性差、推荐质量不高等问题,提出一种基于Bregman联合聚类与加权矩阵分解的融合推荐算法(CO-CWMA)。首先,通过Bregman联合聚类挖掘出多样、不同层次的低秩评分子矩阵,组合不同约束与距离的聚类结果训练得到子模型,进而在各个模型的子矩阵上并发地进行矩阵分解,最后将各个子模型进行均值融合,提高推荐质量、效率与扩展性。在矩阵分解阶段采用SVD++算法,基于每个子矩阵中的评分分布计算加权策略,给予高频评分较大权值,在梯度下降阶段利用学习率函数控制学习率的更新。实验结果表明,与三种基线算法相比,该算法在均方根误差(RMSE)与平均绝对误差(MAE)上均有明显降低,即推荐质量有较大提升。

• 单位
  山东理工大学