|
|
1.
面向用户偏好发现的隐变量模型构建与推理
高艳, 岳昆, 武浩, 付晓东, 刘惟一
计算机应用
2017, 37 (2):
360-366.
DOI: 10.11772/j.issn.1001-9081.2017.02.0360
电子商务应用中产生了大量用户评分数据，而这些数据中富含了用户观点和偏好信息，为了能够从这些数据中准确地推断出用户偏好，提出一种面向评分数据中用户偏好发现的隐变量模型（即含隐变量的贝叶斯网）构建和推理的方法。首先，针对评分数据的稀疏性，使用带偏置的矩阵分解（BMF）模型对其进行填补；其次，用隐变量表示用户偏好，给出了基于互信息（MI）、最大半团和期望最大化（EM）算法的隐变量模型构建方法；最后，给出了基于Gibbs采样的隐变量模型概率推理和用户偏好发现方法。实验结果表明，与协同过滤的方法相比，该方法能有效地描述评分数据中相关属性之间的依赖关系及其不确定性，从而能够更准确地推断出用户偏好。
参考文献 |
相关文章 |
多维度评价
|
|
