面向商品评分预测的隐变量模型构建与推理

摘要 用户偏好是决定用户对商品评分的隐含变量，以构建包含用户偏好的隐变量模型、描述评分数据中相关属性间任意形式依赖关系及其不确定性为主要目标，以贝叶斯网作为各属性间依赖关系及其不确定性表示的基本框架，由商品评分数据构建不含隐变量的商品评分模型，提出基于半团结构向其中插入描述用户偏好的隐变量的方法，从而构建包含用户偏好的隐变量模型，并给出基于EM算法的隐变量模型参数估计方法，进而提出隐变量模型的概率推理算法和相应的商品评分预测方法.建立在MovieLens和Book-Crossing数据上的实验结果表明，本文提出的隐变量模型构建和相应的评分预测方法是有效的