论文研究 基于矩阵分解的单类协同过滤推荐算法.pdf

新闻网页和书签的推荐被认为是单类协调过滤问题。通常这类数据是相当稀疏的, 仅仅一小部分数据是正例, 在非正例数据中负例和没有标记的正例是混合在一起的, 难以区分开来, 因此, 就如何解释非正例数据出现了歧义。为了解决该问题, 提出了一种加权的带正则化的基于迭代最小二乘法的单类协同过滤算法。即通过对正例赋予权值1, 负例赋予一个较小的正实数权值来反映数据的正负置信度。在两个真实的实验数据集上验证了该算法在性能上均优于几个经典的单类协同过滤推荐算法。