基于双向主题模型的协同过滤算法

李改; 李磊

您当前的位置：

首页 >

文章列表页 >

基于双向主题模型的协同过滤算法

研究论文 | 更新时间：2023-12-11

- 基于双向主题模型的协同过滤算法
- Dual Collaborative Topic Regression for Recommendation Systems
- 中山大学学报(自然科学版)(中英文) 2013年52卷第5期页码：68-72
- 作者机构：
  
  1. 顺德职业技术学院电子与信息工程系, 广东顺德,528333
  2. 
  3. 中山大学信息科学与技术学院,广东,广州,510006
- 作者简介：
- 基金信息：
- DOI：
  中图分类号：
- 纸质出版日期：2013，
  
  网络出版日期：2013-10-25，
扫描看全文
李改, 李磊. 基于双向主题模型的协同过滤算法[J]. 中山大学学报(自然科学版)(中英文), 2013,52(5):68-72.

LI Gai, LI Lei. Dual Collaborative Topic Regression for Recommendation Systems[J]. Acta Scientiarum Naturalium Universitatis SunYatseni, 2013,52(5):68-72.
李改, 李磊. 基于双向主题模型的协同过滤算法[J]. 中山大学学报(自然科学版)(中英文), 2013,52(5):68-72. DOI：

LI Gai, LI Lei. Dual Collaborative Topic Regression for Recommendation Systems[J]. Acta Scientiarum Naturalium Universitatis SunYatseni, 2013,52(5):68-72. DOI：

摘要

主题模型可以学习用户和推荐项目的潜在主题分布。提出了一种基于双向主题模型的协同过滤算法，分别学习用户和推荐项目的潜在主题分布用于推荐服务。在真实的数据集上实验验证，该算法的性能均优于几个经典的协同过滤算法。

Abstract

Topic model can be used to learn the latent topic distribution. A new collaborative filtering algorithm based on dual collaborative topic regression to learn the user's latent topic distribution and the item's latent topic distribution for recommendation is proposed. On a large real-world dataset

the experiment results illustrate that the approach achieves a better performance than the state-of-the art collaborative filtering methods.

关键词

推荐系统协同过滤主题模型潜在狄利克雷分布

Keywords

recommended systemscollaborative filteringtopic modellatent Dirichlet allocation

references

浏览量

342

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

混合用户和项目协同过滤的电子商务个性化推荐算法

Spark DAG优化MapReduce协同过滤算法

相关机构

东莞理工学院城市学院计算机系

东莞理工学院计算机学院

新疆财经大学统计与信息学院



新疆大学信息科学与工程学院

地址：广州市海珠区新港西路135号中山大学南校园东北区311栋邮编：510275
联系电话：020-84112585，84113223 Email：xuebaozr@mail.sysu.edu.cn
技术支持由北京北大方正电子有限公司提供京ICP备09064830号-19 京公网安备11010802024621
本系统建议在Chrome、 IE9+ 以上版本浏览器阅读本站内容，360浏览器请切换至极速模式
Cookies帮助我们提供服务并提供个性化体验。使用本网站，即表示您同意我们使用Cookies

⁰