基于随机锚点对选择的局部模型加权融合Top-N电影推荐方法

摘要

基于随机锚点对选择的局部模型加权融合Top‑N电影推荐方法，利用电影文本数据通过LDA主题模型和GBDT梯度提升决策树得到用户和电影在语义层次的特征向量，然后基于该特征向量分别计算用户和电影的高斯核相似度，接着在原始数据集中随机选择多个<用户，电影>锚点对，并结合用户和电影的高斯核相似度为每个锚点对重新构造局部训练矩阵，再利用SLIM稀疏线性模型作为基本推荐模型为每个局部训练矩阵训练得到对应的局部推荐模型，最后通过局部推荐模型之间的加权融合生成最终的融合推荐模型。该推荐方法在数据稀疏的场景下也保持了模型的稳定性，能有效解决传统单一推荐模型在数据稀疏场景的极易发生过拟合的问题。