基于机器学习的融合推荐算法研究

摘要

为了缓解信息爆炸的困境,采用机器学习算法建立一个融合的推荐系统以提高预测准确性和聚合推荐多样性。针对稀疏的数据集及推荐结果单一的问题,提出了以协同过滤为基础的天牛须搜索优化的交替最小二乘法模型、基于密度的噪声应用空间聚类的用户聚类模型、并建立了XGBoost融合排序模型,从而得到个性化推荐。采用来自亚马逊平台的苹果手机销售数据,对三个模型进行仿真测试,结果表明:与单一的交替最小二乘法相比新模型拓展性高,收敛速度快,具有更好的实用价值。