一种基于循环回归的推荐算法

摘要：

提出了一种基于循环回归的推荐算法.首先,对原数据集中的评分数据及缺失值进行离散化处理,然后对离散化数据进行回归模型训练,此过程循环执行并最终建立推荐系统.在离散化阶段,对比不同的离散方法,并对它们的分类粒度开展研究.在模型训练阶段,讨论回归算法对于模型性能的影响.数值计算实验表明,本算法较之近年非常热门的SVDFeaute方法,能够产生更小的均方根误差,验证了算法的有效性。

关键词： 推荐算法 离散化数据 分类粒度 循环回归

作者: 许逸格 张可 柯朦 谢倩倩 章文

作者单位: 武汉大学计算机学院,湖北武汉430072 武汉大学数学与统计学院,湖北武汉430072

会议类型: 国内会议

会议名称: 湖北省计算机学会2013年学术年会

会议地点: 武汉

会议语种:中文

页码: 188-191

在线出版日期: 2013-11-01（万方平台首次上网日期，不代表论文的发表时间）