LDA-CF:一种混合协同过滤方法

• 作 者: 廉涛 马军 王帅强 崔超然
• 机 构: 山东大学,山东财经大学
• 出 处: 中文信息学报
• 发表日期: 2014年2期
• 关键词: 推荐系统 协同过滤 主题模型
• 基金项目: 国家自然科学基金(61272240,60970047,61103151);教育部博士点基金(20110131110028);教育部人文社科基金(12YJC630211);山东省自然科学基金(ZR2012FM037);山东省优秀中青年科学家科研奖励基金(BS2012DX012,BS2012DX017);山东大学研究生自主创新基金(YZC12084)

推荐系统是一种克服信息过载的重要工具,其中最流行的方法是协同过滤.该文提出一种结合潜在因素模型和邻域方法的混合协同过滤方法LDA-CF.我们首先将评分矩阵转换成伪文档集合,使用LDA（LatentDirichlet Allocation）主题模型发现用户和物品潜在因素向量;然后在低维潜在因素空间计算用户和物品相似度;最后采用邻域方法预测未知评分.在MovieLens 100k数据集上的实验表明：在评分预测任务中,LDA-CF取得的MAE性能指标优于传统的邻域方法.因此,LDA可以有效地从评分矩阵中发现对计