%0 Journal Article
%T 基于评分矩阵局部低秩假设的成列协同排名算法
%A 刘海洋？
%A 王志海？
%A 黄丹？
%A 孙艳歌？
%J 软件学报
%P 2981-2993
%D 2015
%R 10.13328/j.cnki.jos.004904
%X 协同过滤方法是当今大多数推荐系统的核心.传统的协同过滤方法专注于评分预测的准确性,然而实际推荐系统的推荐结果往往是项目的排序.针对这一问题,将排名学习领域的知识引入推荐算法,设计了一种基于评分矩阵局部低秩假设的成列协同排名算法.选择直接使用计算复杂度较低的成列损失函数来优化矩阵分解模型,并通过实验验证了其在运算速度上的显著提升.在3个实际推荐系统数据集上,与当下主流推荐算法的比较实验结果表明,该算法具有良好的性能.
%K 推荐系统
%K 协同过滤
%K 排名学习
%U http://www.jos.org.cn/ch/reader/view_abstract.aspx?file_no=4904&flag=1