二项矩阵分解在离散评分推荐算法中的改进

摘要

针对个性化推荐中离散的评分预测问题,从更加直观的角度,提出一种改进的隐含语义二项分布模型.通过隐含语义分析构建用户的兴趣度模型,同时考虑了领域物品的隐反馈.假设用户评分基于二项分布,通过最大后验估计(MAP)构建目标函数,并用梯度下降法进行参数学习.实验表明,在MovieLens数据集下,该算法准确度优于原始的二项矩阵分解模型(BMF),其效果接近于SVD++.