可解释性矩阵分解解决了概率矩阵分解缺乏可解释性的问题，然而概率矩阵分解假设评分数据是服从正态分布的，这与实际场景有一定的偏差.针对该问题，提出一种可解释性泛化矩阵分解推荐算法.首先采用一种新型的变换函数使原始评分近似服从正态分布，然后通过可解释性矩阵分解获得预测评分，最后利用对应的逆变换函数将预测评分映射回原始评分区间.在三个数据集上进行实验，结果表明，与多个主流矩阵分解算法相比，提出的算法在多个评价指标上占优.
科研之友
微信
新浪微博
Facebook
分享链接
