%0 Journal Article
%T 基于级联过滤的多模型融合的推荐方法
%A 彭志平
%A 黄斌
%J 中山大学学报（自然科学版）
%D 2016
%X 摘要 针对当前主流推荐算法无法甄别离群样本和弱贡献率样本，且单模型算法泛化能力较弱等问题，提出一种基于级联过滤的多模型融合的推荐方法．该方法先采用级联回归模型过滤掉离群样本和弱贡献率样本；然后，把推荐问题抽象成二分类问题和回归问题，分别采用基于Bagging的随机森林和基于Boosting的梯度提升回归树两种树型算法、线性的逻辑回归算法来拟合用户兴趣；最后，将这三种算法分别训练若干模型进行线性融合，取TopN推荐．实验表明，该方法不仅有效提高了推荐精度，还增强了模型的泛化能力，具有较强的实用价值
%K 级联过滤
%K 多模型融合
%K 二分类问题
%K 回归问题
%K 泛化能力
%U http://xwxt.sict.ac.cn/CN/abstract/abstract3216.shtml