基于级联过滤的多模型融合的推荐方法

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