基于lfm的混合推荐算法ppt课件.pptx

文档介绍：作者:庄程旭清华大学电子工程系基于邻域,LDA和FM的混合推荐系统设计百度电影推荐问题描述评分标签关注魔幻片外语片?训练数据:1,262,741测试数据:314,679电影总数:8,369用户总数:143,670标签总数:1,129平均关注数:: 9,871,++RBMkNNBasicFeaturesMainPoint模型建立实证研究比赛之后文献综述模型建立实证研究比赛之后文献综述BasicFeatures实证研究比赛之后文献综述模型建立AdvancedFeatures基本思路:参考kNN的思想,参考相邻的人的打分来得出最后的打分模型建立实证研究比赛之后文献综述初步实验每一套模型均采用以下4种参数和程序运行方式:LibFM:采用MCMC学****特征维数20维,迭代100轮SVD++_2:采用SGD学****迭代200轮,特征维数50维,,,,用sigmoid化。SVD++_1:采用SGD学****迭代200轮,特征维数50维,,,。SVD++_3:采用SGD学****迭代400轮,特征维数50维,,,,用sigmoid化。模型建立实证研究比赛之后文献综述初步实验模型LibFMSVD++_1SVD++_2SVD++++:3. 一部电影至少1个tag, (并且大部分人关注一个从未有打分记录的官方账号)总共143,670个人,有98733个人只有3个或者以下被关注数目,: 相似的人太相似; %,%。 %。 而相似的电影能够很好的扩大数据量 通过相似的电影,能够看到更多的潜在的打分用户本质考虑: 在人和电影的二分图之间引入隐层来增强两两之间的联系,从而相当于扩大了训练数据量