GLSLIM模型(Global and Local SLIM)是基于SLIM模型(Sparse Linear Methods)并优于SLIM模型的推荐算法。它将GLOBAL模型和LOCAL模型结合,GLOBAL模型用来捕获物品在所有用户之间的相似性,LOCAL模型用来获取物品在某个用户子集中的相似性...GLSLIM模型(Global and Local SLIM)是基于SLIM模型(Sparse Linear Methods)并优于SLIM模型的推荐算法。它将GLOBAL模型和LOCAL模型结合,GLOBAL模型用来捕获物品在所有用户之间的相似性,LOCAL模型用来获取物品在某个用户子集中的相似性,通过两种模型的结合可以进一步优化用户的个性化推荐。但该算法存在天然缺陷,就是被用户评价或购买过的物品之间的相似度才可以被学习到,没有被购买过的物品之间的相似度为0。这将导致用户购买过的相似物品才有机会被推荐,相似度为0的物品无法推荐给用户。为了改善这种情况,利用一种PLSA模型解决这个问题,基于两种模型的组合进行协同过滤推荐。实验结果表明,虽然推荐结果的准确性略微降低,但是能挖掘用户的潜在兴趣。展开更多
文摘GLSLIM模型(Global and Local SLIM)是基于SLIM模型(Sparse Linear Methods)并优于SLIM模型的推荐算法。它将GLOBAL模型和LOCAL模型结合,GLOBAL模型用来捕获物品在所有用户之间的相似性,LOCAL模型用来获取物品在某个用户子集中的相似性,通过两种模型的结合可以进一步优化用户的个性化推荐。但该算法存在天然缺陷,就是被用户评价或购买过的物品之间的相似度才可以被学习到,没有被购买过的物品之间的相似度为0。这将导致用户购买过的相似物品才有机会被推荐,相似度为0的物品无法推荐给用户。为了改善这种情况,利用一种PLSA模型解决这个问题,基于两种模型的组合进行协同过滤推荐。实验结果表明,虽然推荐结果的准确性略微降低,但是能挖掘用户的潜在兴趣。
