典型文献
基于KL散度的ALS推荐算法
文献摘要：
针对传统协同过滤推荐算法在稀疏数据上推荐准确度低的问题,提出一种基于KL散度的ALS推荐算法KL-ALS.传统ALS算法计算物品相似度时只考虑了用户之间的共同评分项,得到的相似性与真实值会有一定的误差,而采用KL散度计算物品相似度时,对用户评论的数量不做任何限制,不依赖于用户共同评分项.KL-ALS算法首先将ALS算法计算物品相似度和KL散度计算的物品相似度按照一定权重混合,产生总体相似度,进而采用ALS算法训练模型,能够更加准确地度量物品间的相似度,改善推荐效果.实验选取亚马逊智能产品评论数据集,与传统的基于ALS的协同过滤推荐算法和基于物品的协同过滤推荐算法(Item-CF)进行对比,实验结果表明KL-ALS推荐算法能有效提高推荐的准确度和性能.
文献关键词：
KL散度;ALS算法;推荐算法;相似度;协同过滤
中图分类号：
作者姓名：
韩远达
作者机构：
山西大学计算机与信息技术学院,山西太原030006
文献出处：
引用格式：
[1]韩远达-.基于KL散度的ALS推荐算法)[J].电脑知识与技术,2022(12):4-6
A类：
B类：
KL,散度,ALS,协同过滤推荐算法,稀疏数据,算法计算,品相,共同评分,分项,真实值,用户评论,不依,定权,重混,算法训练,训练模型,推荐效果,亚马逊,智能产品,产品评论,评论数据,基于物品的协同过滤,Item,CF
AB值：
0.271874
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
