-
题名引入时间效应的SVD++线性回归推荐算法
被引量：4
- 1
-
-
作者
苏庆
章静芳
李小妹
-
机构
广东工业大学计算机学院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2020年第2期65-71,共7页
-
基金
广东省自然科学基金(2018A030313389)
广州市科技计划项目(201604016041)
-
文摘
针对传统协同过滤算法中的数据稀疏问题,在SVD++算法和线性回归模型的基础上引入时间效应属性,提出一种推荐算法timeSVD++LR。采用SVD++算法将用户和项目信息与隐式反馈信息相融合映射到隐语义空间,将用户和项目之间的交互作用建模为该空间中的内积。通过描述用户和物品在各因子上的特征来解释评分值,在此基础上对时间效应建模,进一步提高预测结果的准确度。根据预测评分矩阵构造特征向量,将原始训练数据作为线性回归模型的输入,采用梯度下降算法优化最终代价函数,生成使得代价函数值最小的参数向量,同时将特征向量和参数向量代入预测模型求解预测评分。在MovieLens数据集上的实验结果表明,与RSVD、SVD++和timeSVD++算法相比,该算法的平均绝对误差和均方根误差均较低,其推荐准确性较高。
-
关键词
svd++模型
时间效应
特征向量
线性回归
推荐算法
-
Keywords
svd++model
time effect
eigenvector
linear regression
recommendation algorithm
-
分类号
TP312
[自动化与计算机技术—计算机软件与理论]
-
-
题名基于低秩矩阵恢复的视频背景建模
被引量：5
- 2
-
-
作者
杨敏
安振英
-
机构
南京邮电大学自动化学院
-
出处
《南京邮电大学学报（自然科学版）》
北大核心
2013年第2期86-89,96,共5页
-
基金
江苏省自然科学基金(BK2011758)资助项目
-
文摘
针对传统背景建模存在的问题,文中基于低秩矩阵恢复原理,直接从视频序列中分离出前景物体和背景模型。已有低秩矩阵恢复算法的迭代计算过程中涉及大量的奇异值分解,而这些奇异值分解一般非常耗时且不够简洁,文中在非精确增广拉格朗日乘子法中引入线性时间奇异值分解算法,以得到更加有效的背景建模算法。基于实际视频序列实验,结果表明该改进算法具有更好的建模效果和较少的运算时间。
-
关键词
低秩矩阵恢复
视频背景建模
增广拉格朗日乘子法
线性时间奇异值分解算法
-
Keywords
low-rank matrix recovery
video background modeling
augmented Lagrange multiplier method
linear time svd algorithm
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
