基于KL散度的ALS推薦算法

打開(kāi)文本圖片集

摘要：針對(duì)傳統(tǒng)協(xié)同過(guò)濾推薦算法在稀疏數(shù)據(jù)上推薦準(zhǔn)確度低的問(wèn)題，提出一種基于KL散度的ALS推薦算法KL-ALS。傳統(tǒng)ALS算法計(jì)算物品相似度時(shí)只考慮了用戶之間的共同評(píng)分項(xiàng)，得到的相似性與真實(shí)值會(huì)有一定的誤差，而采用KL散度計(jì)算物品相似度時(shí)，對(duì)用戶評(píng)論的數(shù)量不做任何限制，不依賴(lài)于用戶共同評(píng)分項(xiàng)。KL-ALS算法首先將ALS算法計(jì)算物品相似度和KL散度計(jì)算的物品相似度按照一定權(quán)重混合，產(chǎn)生總體相似度，進(jìn)而采用ALS算法訓(xùn)練模型，能夠更加準(zhǔn)確地度量物品間的相似度，改善推薦效果。（剩余6341字）