论文研究-基于KNN-SVM的混合协同过滤推荐算法.pdf

所需积分/C币:50 2019-07-22 18:53:47 1.03MB .PDF
收藏 收藏
举报

数据稀疏性问题对协同过滤推荐系统的推荐精度有很大影响, 为此, 融合缺失数据平衡方法, 提出了一个基于KNN-SVM 的混合协同过滤推荐算法。利用K-最近邻法对训练集中的缺失数据进行填补, 然后通过支持向量机交叉验证进行分类, 综合两者优点, 从而克服数据质量对推荐算法的影响。在标杆数据集上进行了仿真实验, 数值结果证明了方法的有效性。
第5期 吕成戍,等:基于 KNN-SWⅥ的混合协同过滤推荐算法 1709 和本文提出的算法,将多次实验结果进行平均并比较,结果以[3] ROBLES V, LARRANAGA P, MENASALVAS E,eat. Improvement 百分数的形式在表1中给出。 orative filtering using interval estimation [C]/ 表1分类正确率比较 Proc of IFFF/WIC Internat ional Conferenc e on Web Intelligence 标准支持向量机 本文方法 Washington DC: IEEE Computer Society, 2003: 168-174 实骑数据集基于项目基于月户基于项日基于用户 [4 BASU C. HIRSH H, COHEN W. Recommendation as classification 评分的 评分的 using social and content-based information in recommendation[C]// 分类方法分类方法分类方法分类方法 Proc of the 15 th National Conference on Artificial Intelligence. Menlo TDSIcO 60.358 60.5l7 66.875 62.349 b2.42 73.135 [5 VAPNIK V N. Statistical learning theory M. New York: Wiley-Inter- science,1998:35-53 TDS300 61.867 61.928 73.782 通过分析实验结果可以很明显地看出,本文方法在多组数6] VAPNIK V N. The nature of statistical learning theory [ M.2ndeo 据中均获得较好的分类精度,平均正确率提升在6%~11%之 Germany: springer, 2000: 24-37 间。在 Book-Crossing数据集上的结果明显地休现了木文方法7 XIA Zhong-hanlg, DONG YI-lir, NG Guang-ming. Support veclor machines for collaborative filtering[ C]//Proc of the 44 th Annual 的优势,经过KNN的稀疏数据预填充处理,推荐精度分别提升 Southeast Regional Conference. New York: ACM Press, 2006: 169 了10%和11%;在 Movielens数据集上,分类精度也得到了提 174. 升 KNN-SVM在TDS100上平均正确率最小,而在TDs300:「8 ZHANG Tong, YENGAR VS. Recommender systems using linear 的平均正确率最大,说明随着样本容量的增加,算法预测的准 classifiers[ J. Journal of Machine Leaming Research, 2002, 2 确性随之小幅提高,使得对评分的预测更加准确,推荐质量也 313-334. 随之提高。 [91 GRCAR M, FORTUNA B, MLADENICD, et al. KNN versus SVM ir the collaborative filtering framework [c//Pror of Dala Science and 结束语 L10 SARWAR B, KARYPIS G, KONSTAN J, et al. Item-based collabora 本文旨在分析如何提高SVM在高稀疏数据集上进行分类 tive filtering recommendation algorithms[ C]//Proc of the 10th Inter- 的精度,在实验部分重点与SVM的结果进行了比较。文献 national Conference on World Wide Web. New York ACM Press [9]在协同过滤框架下将KNN与SVM进行了对比,实验结果 2001:285-295 表明,SVM的分类性能优于传统的协同过滤算法,因而本文并[11] KOREN Y. Factor in the neighbors: scalable and accurate collabora 未进行与KNN算法的比较。本文方法增加了数据预处理部 tive filtering J. ACM Trans on Knowledge Discovery from Da 分,降低了算法的时间效率,这对于推荐算法的应用来说是 ta,2010,4(1):1-24 个不利因素,因此本文下一步的工作将集中在填补缺失数据的12]∠ GLER O,DBIS上. Book-crossing dataset[EB/OL].(2006-10 同时删减恶意数据,从而在保证精度的前提下提高算法效率和 05).http://www.informatik.unl-freiburg.delweziegler/bx/ 健壮性。 [13 Grouplens Research. Movielens data sets [EB/OL.(2011-08-24) http:// 参考文軾 14 WITTEN I H, FRANK E. Data mining practical machine learning [1 UNGAR L H, FOSTER D P Clustering methods for collaborative filte tools and techniques[ M]. 2nd ed Massachusett: Morgan Kaufmann ring[ C]//Proc of Workshop on Recommendation Systems. California 2005:5(1-6 AAAl Press. 1998: 11-15 [15 CHANG CC, LIN C J. LIBSVM: a library for support vector machines [2 BREESE J S, HECKERMAN D, KADIE C. Empirical analysis of pre [EB/OL].(2001-10-26)[2007-05-12].htp://ww.csie.ntu dictive algorithms for collaborative filtering[C]//Proc of 14th Confe- dutw/-cjlin/libsvm rence on Uncertainty in Artificial Intelligence. 1998: 43-52 (上接第1675页) [6吴亮红,王耀南,周少武,等.采用非固定多段映射罚函数的非线 参考文献 性约束优化差分进化算決[J]系统工程理论与实践,2007,27 (3):128-133. [1 STORN R, PRICE K. Differential evolution: a simple and efficient [7 LIANG Xi-ming. Modified augmented Lagrange multiplier methods for heuristic for global optimization over continuous spaces[ J |. Journal large-scale chemical process optimization. Chinese Journal of of Global Optimization, 1997, 11(4): 341-359 [2 WANG Yong, CAI Zi-xing, ZHANG Qing-fu. Differential evolution with Chemical Engineering 2001, 9(2): 167-172. [8〗龙文.孓解优化问题的混合进化算法及其应用[D].长沙:中南大 composite trial veclor generation strategies and control parameters[J] 学,2011 IEEE Trans on Evolutionary Computation, 2011, 15(1): 55-G6 「9张铃,张绂.佳点集遗传算汰「J].计算机学报,2001,24(9) L3」阳春华,锐晓山,桂卫华.一种混沌差分进化和粒子群优化混合算 917922 法[J].计算机应用研究,2011,28(2):439-441 [10 RUNARSSON T P, YAO Xin Stochastic ranking for constrained evo- [4 MEZLRA M E, COELLO C A, MORALES E. Simple feasibility lutionary optimization [J]. IEEE Trans on Evolutionary Compu rules and differential evolution for constrained optimization[ C]//Lec- tation,2000,4(3):284294 ture Notes in Computer Science. Berlin Springer, 2004: 707-716 [11 MALLIPEDDI R. SUGANTHAN P N. Ensemble of constraint han [5]刘若辰,焦李成,雷峰,等.一种新的差分进化约束优化算法[J] dling techniques[ J]. IEEE Trans on Evolutionary Computation 西安电子科技大学学报,2011,38(1):47-53 2010,10(4):311-338

...展开详情
试读 3P 论文研究-基于KNN-SVM的混合协同过滤推荐算法.pdf
立即下载 低至0.43元/次 身份认证VIP会员低至7折
抢沙发
一个资源只可评论一次,评论内容不能少于5个字
weixin_39840914 欢迎大家使用并留下宝贵意见
2019-07-22
  • 至尊王者

    成功上传501个资源即可获取
关注 私信 TA的资源
上传资源赚积分or赚钱
最新推荐
论文研究-基于KNN-SVM的混合协同过滤推荐算法.pdf 50积分/C币 立即下载
1/3
论文研究-基于KNN-SVM的混合协同过滤推荐算法.pdf第1页

试读结束, 可继续阅读

50积分/C币 立即下载 >