您的位置:山东大学 -> 科技期刊社 -> 《山东大学学报(工学版)》

山东大学学报(工学版)

• 机器学习与数据挖掘 • 上一篇    下一篇

SVD系列算法在评分预测中的过拟合现象

陈大伟,闫昭*,刘昊岩   

  1. 北京航空航天大学计算机学院, 北京 100191
  • 收稿日期:2013-06-28 出版日期:2014-06-20 发布日期:2013-06-28
  • 通讯作者: 闫昭(1988- ),男,北京人,博士研究生,主要研究方向为数据挖掘与推荐系统. E-mail: yanzhaobuaa@163.com
  • 作者简介:陈大伟(1990- ),男,山东青岛人,硕士研究生,主要研究方向为图像检索与数据挖掘. E-mail: talentsharp@126.com

Overfitting phenomenon  of  the series of single value decomposition algorithms in rating prediction

CHEN Dawei, YAN Zhao*, LIU Haoyan   

  1. School of Computer Science & Engineering, Beihang University, Beijing 100191, China
  • Received:2013-06-28 Online:2014-06-20 Published:2013-06-28

摘要: 主要对协同过滤推荐算法进行改进,以使训练评分模型的过程能够预防过拟合现象的发生。对SVD系列算法在评分预测问题中产生的过拟合现象进行相关实验与研究,提出通过调整算法参数与迭代次数来避免过拟合现象发生的方法。实验结果表明,该方法能够以较高的时间效率找到评分预测结果较好的结果,并可有效地避免过拟合现象的发生。

关键词: 奇异值分解, 电子商务, 推荐系统, 过拟合, 协同过滤, 集成学习

Abstract: The collaborative filtering algorithm was improved to prevent overfitting in training rating prediction model. Experiments were put forth for  overfitting phenomenon  of the series of single value decomposition algorithms in rating prediction, and a method of adjusting parameters and iteration count to avoid overfitting phenomenon was proposed. The experimental results showed that this method could  find better rating prediction and avoid overfitting at the same time.

Key words: collaborative filtering;recommendation system, overfitting, ensemble learning, single value decomposition, electronic commerce

[1] 沈冬冬,周风余,栗梦媛,王淑倩,郭仁和. 基于集成深度神经网络的室内无线定位[J]. 山东大学学报(工学版), 2018, 48(5): 95-102.
[2] 张璞,刘畅,王永. 基于特征融合和集成学习的建议语句分类模型[J]. 山东大学学报(工学版), 2018, 48(5): 47-54.
[3] 赵彦霞, 王熙照. 基于SVD和DCNN的彩色图像多功能零水印算法[J]. 山东大学学报(工学版), 2018, 48(3): 25-33.
[4] 龙柏,曾宪宇,李徵,刘淇. 电商商品嵌入表示分类方法[J]. 山东大学学报(工学版), 2018, 48(3): 17-24.
[5] 林耀进,张佳,林梦雷,王娟. 一种基于模糊信息熵的协同过滤推荐方法[J]. 山东大学学报(工学版), 2016, 46(5): 13-20.
[6] 黄丹,王志海,刘海洋. 一种局部协同过滤的排名推荐算法[J]. 山东大学学报(工学版), 2016, 46(5): 29-36.
[7] 庞俊涛, 张晖, 杨春明, 李波, 赵旭剑. 基于概率矩阵分解的多指标协同过滤算法[J]. 山东大学学报(工学版), 2016, 46(3): 65-73.
[8] 李朔,石宇良. 基于位置社交网络中地点聚类推荐方法[J]. 山东大学学报(工学版), 2016, 46(3): 44-50.
[9] 张佳,林耀进,林梦雷,刘景华,李慧宗. 基于信息熵的协同过滤算法[J]. 山东大学学报(工学版), 2016, 46(2): 43-50.
[10] 王立宏,李强. 旅行商问题的一种选择性集成求解方法[J]. 山东大学学报(工学版), 2016, 46(1): 42-48.
[11] 孙远帅,陈垚,刘向荣,陈珂,林琛. 基于项目层次相似性的推荐算法[J]. 山东大学学报(工学版), 2014, 44(3): 8-14.
[12] 房晓南1,2,张化祥1,2*,高爽1,2. 基于SMOTE和随机森林的Web spam检测[J]. 山东大学学报(工学版), 2013, 43(1): 22-27.
[13] 张伶卫,万文强. 基于云计算平台的代价敏感集成学习算法研究[J]. 山东大学学报(工学版), 2012, 42(4): 19-23.
[14] 孙靖杰1,赵建军2*,姚跃亭3,姚刚1. 基于可变遗忘因子的改进RPCA方法及其在自适应故障监测中的应用[J]. 山东大学学报(工学版), 2012, 42(4): 60-66.
[15] 谢伙生,刘敏. 一种基于主动学习的集成协同训练算法[J]. 山东大学学报(工学版), 2012, 42(3): 1-5.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
No Suggested Reading articles found!