基于平行因子分解PARAFAC的協(xié)同聚類推薦算法
推薦 + 挑錯(cuò) + 收藏(0) + 用戶評(píng)論（0）
針對(duì)三元組數(shù)據(jù)內(nèi)在關(guān)聯(lián)性復(fù)雜的特點(diǎn)，提出了基于平行因子分解（ PARAFAC）的協(xié)同聚類推薦算法。該算法利用PARAFAC算法對(duì)張量進(jìn)行分解，挖掘多維數(shù)據(jù)實(shí)體之間的相關(guān)聯(lián)系和潛在主題。首先，利用PARAFAC分解算法對(duì)三元組張量數(shù)據(jù)進(jìn)行聚類；然后，基于協(xié)同聚類算法提出了三種不同方案的推薦模型，并通過(guò)實(shí)驗(yàn)對(duì)三種方案進(jìn)行了比較，得到了最優(yōu)的推薦模型；最后，將提出的協(xié)同聚類模型與基于高階奇異值分解（ HOSVD）的推薦模型進(jìn)行比較。在last．fm數(shù)據(jù)集上，PARAFAC協(xié)同聚類算法比HOSVD張量分解算法在召回率和精確度上平均提高了9.8個(gè)百分點(diǎn)和3.7個(gè)百分點(diǎn)，在delicious數(shù)據(jù)集上平均提高了11.6個(gè)百分點(diǎn)和3.9個(gè)百分點(diǎn)。實(shí)驗(yàn)結(jié)果表明所提算法能更有效地挖掘出張量中的潛在信息和內(nèi)在聯(lián)系，實(shí)現(xiàn)高準(zhǔn)確率和高召回率的推薦。
非常好我支持^.^
(0) 0%
不好我反對(duì)
(0) 0%
下載地址
基于平行因子分解PARAFAC的協(xié)同聚類推薦算法下載
相關(guān)電子資料下載
- TikTok將開(kāi)發(fā)獨(dú)立版推薦算法，以滿足美國(guó)用戶需求？ 426
- 快手的短視頻推薦算法（1） 782
- 詳解推薦算法的架構(gòu)流程 2871
- 《麻省理工科技評(píng)論》發(fā)布了最新的2021年10大突破性技術(shù)的概念 2813
- top-N推薦算法評(píng)測(cè)的影響有哪些？ 1846
- 基于賽靈思FPGA的廣告推薦算法Wide and deep硬件加速案例 2775
- 互聯(lián)網(wǎng)廣告推薦迎來(lái)變革，雪湖科技聯(lián)合賽靈思發(fā)布推薦算法解決方案 1614
- 基于阿里云FPGA云的廣告推薦算法加速器 985
- 基于深度學(xué)習(xí)的推薦算法大部分都存在不同程度的數(shù)據(jù)集缺失和源碼缺失 3690
- 基于標(biāo)簽的推薦算法應(yīng)用場(chǎng)景、基于標(biāo)簽的推薦算法原理介紹 16714