×

基于SVD的推荐系统增量方法。 (英语) Zbl 1320.68158号

摘要:由于互联网上严重的信息过载问题,推荐系统已经成为通过为个人用户提供个性化服务向用户推荐更多有用信息的重要工具。然而,在“大数据”时代,推荐系统面临着巨大的挑战,例如如何高效、准确地处理海量数据。本文提出了一种基于奇异值分解(SVD)的增量算法,该算法将增量SVD算法与近似奇异值分解算法(ApproSVD)相结合,称为增量ApproSVD。此外,严格的误差分析证明了增量ApproSVD算法的有效性。然后,我们进行了一项实证研究,比较了增量ApproSVD算法和增量SVD算法在MovieLens数据集和Flixster数据集上的预测精度和运行时间。实验结果表明,我们提出的方法优于同类方法。

MSC公司:

68T05型 人工智能中的学习和自适应系统
68英里11 互联网主题

软件:

svd包
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Marlin,B.,《协作过滤:机器学习视角》(2004),多伦多大学博士论文
[2] 薛国荣。;林,C。;杨琼。;Xi,W。;曾海杰。;Yu,Y。;Chen,Z.,使用基于聚类的平滑的可扩展协作过滤,(第28届国际ACM SIGIR信息检索研究与发展年会论文集(2005),ACM),114-121
[3] 德米尔,G.N。;Uyar,A.S。;Øgüdücü,S.g.,通过网络推荐系统的多目标进化算法进行基于图的序列聚类,(第九届遗传和进化计算年会论文集(2007),美国计算机学会),1943-1950
[4] Chakraborty,P.S.,使用增量聚类的可扩展协作过滤推荐系统,(高级计算会议。高级计算会议,IACC 2009(2009),IEEE国际,IEEE),1526-1529
[5] Funk,S.,Netflix更新:在家试试这个(2006)
[6] 张,S。;Wang,W。;福特,J。;Makedon,F.,使用非负矩阵分解从不完整评级中学习,(SDM(2006),SIAM),549-553
[7] Cheng,Y。;Church,G.M.,表达数据的双聚类,(ISMB,第8卷(2000)),93-103
[8] 陈,G。;Wang,F。;Zhang,C.,使用正交非负矩阵三因子化的协同过滤,Inf.Process。管理。,45, 3, 368-379 (2009)
[9] Shan,H。;Banerjee,A.,贝叶斯联合聚类,(第八届IEEE数据挖掘国际会议。第八届EEE数据挖掘国际大会,ICDM’08(2008),IEEE),530-539
[10] 周,X。;He,J。;黄,G。;Zhang,Y.,基于近似奇异值分解的个性化推荐算法(ApproSVD),(2012年IEEE/WIC/ACM网络智能和智能代理技术国际联合会议论文集,第02卷(2012),IEEE计算机学会),458-464
[11] Golub,G.H。;Van Loan,C.F.,《矩阵计算》,第3卷(2012年),JHU出版社
[12] Berry,M.W.,《大尺度稀疏奇异值计算》,《国际超级计算机杂志》。申请。,6, 1, 13-49 (1992)
[13] Nakayama,H。;Hattori,A.,RBF网络和SVM中的增量学习和遗忘及其在财务问题中的应用,(基于知识的智能信息和工程系统(2003),Springer),1109-1115
[14] 萨瓦尔,B。;Karypis,G。;Konstan,J。;Riedl,J.,高度可扩展推荐系统的增量奇异值分解算法,(第五届国际计算机和信息技术会议(2002年),Citeser),27-28
[15] 贝克,C.G。;加里凡,K.A。;Van Dooren,P.,计算主导奇异子空间的低秩增量方法,线性代数应用。,436, 8, 2866-2888 (2012) ·Zbl 1241.65036号
[16] 查,H。;Simon,H.D.,《关于潜在语义索引中的更新问题》,SIAM J.Sci。计算。,21, 2, 782-791 (1999) ·Zbl 0952.65034号
[17] 任,C.-X。;戴德清,面向人脸识别的双向主成分增量学习,模式识别。,43, 1, 318-330 (2010) ·Zbl 1187.68493号
[18] 郑琦。;王,X。;邓,W。;刘,J。;Wu,X.,增量投影向量机:高维大样本数据集的一步学习算法,(AI 2010:Advances in Artificial Intelligence(2011),Springer),132-141
[19] Brand,M.,缺失值不确定数据的增量奇异值分解,(Computer Vision ECCV 2002(2002),Springer),707-720·Zbl 1034.68580号
[20] Chandrasekaran,S。;Manjunath,B。;Wang,Y.-F。;温克勒,J。;Zhang,H.,用于图像分析的特征空间更新算法,Graph。模型图像处理。,59, 5, 321-332 (1997)
[21] Levey,A。;Lindenbaum,M.,序列Karhunen-Loeve基提取及其在图像中的应用,IEEE Trans。图像处理。,9, 8, 1371-1374 (2000) ·Zbl 1001.68586号
[22] 艾伦,G.I。;Grosenick,L。;Taylor,J.,《广义最小二乘矩阵分解》,J.Am.Stat.Assoc.,109,505,145-159(2014)·兹比尔1367.62184
[23] Dax,A.,《从特征值到奇异值:综述》,高级纯数学。,3, 8 (2013)
[24] 埃卡特,C。;Young,G.,《一个矩阵与另一个低阶矩阵的近似》,《心理测量学》,1,3,211-218(1936)·JFM 62.1075.02标准
[25] 萨瓦尔,B。;Karypis,G。;Konstan,J。;Riedl,J.,维度约简在推荐系统中的应用——案例研究,(ACM Web KDD研讨会电子商务Web挖掘会议记录(2000年),ACM出版社:纽约ACM出版社),82-90
[26] 波拉特,H。;Du,W.,基于SVD的隐私协同过滤,(2005年ACM应用计算研讨会论文集(2005),ACM),791-795
[27] 萨瓦尔,B。;Karypis,G。;Konstan,J。;Riedl,J.,《电子商务推荐算法分析》,(第二届ACM电子商务会议论文集(2000),ACM),158-167
[28] Ghazanfar,M.A。;Prügel-Bennett,A.,《谨慎插补源在推荐系统稀疏数据环境中的优势:生成改进的基于SVD的建议》,Informatica(斯洛文尼亚),37,1,61-92(2013)
[29] Berry,M.W。;Dumais,S.T。;O'Brien,G.W.,《使用线性代数进行智能信息检索》,SIAM Rev.,37,4,573-595(1995)·Zbl 0842.68026号
[30] 电影镜头
[31] Flixster数据集
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。