• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于Pairwise排序?qū)W習(xí)的因子分解推薦算法

    2016-07-19 02:14:03周俊宇戴月明吳定會(huì)
    關(guān)鍵詞:列表排序物品

    周俊宇 戴月明 吳定會(huì)

    (江南大學(xué)物聯(lián)網(wǎng)工程學(xué)院 江蘇 無(wú)錫 214122)

    ?

    基于Pairwise排序?qū)W習(xí)的因子分解推薦算法

    周俊宇戴月明吳定會(huì)

    (江南大學(xué)物聯(lián)網(wǎng)工程學(xué)院江蘇 無(wú)錫 214122)

    摘要針對(duì)基于內(nèi)存的協(xié)同過(guò)濾推薦算法存在推薦列表排序效果不佳的問(wèn)題,提出基于Pairwise排序?qū)W習(xí)的因子分解推薦算法(簡(jiǎn)稱(chēng)Pairwise-SVD推薦算法)。新算法將因子分解的預(yù)測(cè)結(jié)果作為排序?qū)W習(xí)算法的輸入,把排序問(wèn)題轉(zhuǎn)化成分類(lèi)問(wèn)題使用排序?qū)W習(xí)理論進(jìn)行排序產(chǎn)生推薦列表。實(shí)驗(yàn)結(jié)果表明相比基于內(nèi)存的協(xié)同過(guò)濾推薦算法,Pairwise-SVD推薦算法的排序效果更佳。其在指標(biāo)Kendall-tau上提高了近一倍,在指標(biāo)MRR上提高了近30%,且在指標(biāo)MAP上也有小幅提高。

    關(guān)鍵詞Pairwise因子分解協(xié)同過(guò)濾分類(lèi)排序?qū)W習(xí)

    0引言

    隨著大數(shù)據(jù)時(shí)代的到來(lái),信息過(guò)載問(wèn)題成為人們?nèi)找骊P(guān)注解決的難題。用戶迫切希望可以從海量數(shù)據(jù)當(dāng)中發(fā)現(xiàn)對(duì)于自己有用的信息,針對(duì)這一需求研究人員提出了推薦系統(tǒng)這一研究課題。

    推薦系統(tǒng)主要以推薦列表的形式給用戶推送信息也稱(chēng)為T(mén)op-N推薦。基于內(nèi)存的協(xié)同過(guò)濾推薦算法主要有基于用戶的協(xié)同過(guò)濾推薦算法和基于物品的協(xié)同過(guò)濾推薦算法。這類(lèi)算法的特點(diǎn)是通過(guò)相似度計(jì)算來(lái)給用戶推送其可能感興趣的物品信息。不過(guò)這類(lèi)算法也有排序效果不佳的不足,主要是其沒(méi)有考慮推薦物品與用戶的相關(guān)度。為提高推薦算法的預(yù)測(cè)精度,學(xué)術(shù)界對(duì)評(píng)分預(yù)測(cè)問(wèn)題展開(kāi)了大量的研究。其中典型的算法是以因子分解算法為代表的一系列改進(jìn)算法。下面將介紹推薦系統(tǒng)領(lǐng)域的一些研究情況。

    YueShi等[1]人提出了一種將排序?qū)W習(xí)融入矩陣分解的協(xié)同過(guò)濾推薦算法。其排序?qū)W習(xí)算法的類(lèi)型是列表級(jí)排序,通過(guò)優(yōu)化列表級(jí)排序的損失函數(shù)來(lái)進(jìn)行算法的性能優(yōu)化。不過(guò)這種算法雖然效果很好,但是它只從損失函數(shù)的角度進(jìn)行優(yōu)化所以這種算法的實(shí)用性不是很強(qiáng)。

    SeanM.McNee等[2]人提出了新的觀點(diǎn),即僅僅通過(guò)改良預(yù)測(cè)精度是不足以說(shuō)明推薦效果的好壞。雖然基于評(píng)分預(yù)測(cè)的改進(jìn)大大提高了評(píng)價(jià)指標(biāo)的結(jié)果。但在實(shí)際的推薦系統(tǒng)中效果卻不明顯,因?yàn)橛脩粼趯?shí)際情況下并不會(huì)真的喜歡預(yù)測(cè)精度高的物品。

    YueShi等[3]人提出了CLiMF協(xié)同過(guò)濾推薦算法,該算法優(yōu)化的主要目標(biāo)是MRR。該指標(biāo)反映了用戶最關(guān)心的物品在推薦列表中的排序位置,它是信息檢索領(lǐng)域中的重要指標(biāo)。CLiMF算法在原來(lái)的協(xié)同推薦算法的基礎(chǔ)之上考慮了排序性能的優(yōu)化問(wèn)題,其在MRR指標(biāo)上的表現(xiàn)較好。

    ShuziNiu等[4]人提出了一種新的Top-N推薦算法,并將其命名為FocusedRank算法。該算法有效地降低了原有Top-N算法的時(shí)間復(fù)雜度,從O(n)降低為O(nlogn)。并且針對(duì)新的算法提出了新的評(píng)價(jià)準(zhǔn)則k-NDCG和k-ERR。

    雖然排序?qū)W習(xí)理論在信息檢索領(lǐng)域已經(jīng)有了大量的研究成果,但是將排序?qū)W習(xí)理論用于推薦系統(tǒng)的研究卻少之又少。本文在前人工作的基礎(chǔ)之上展開(kāi),提出將Pairwise排序?qū)W習(xí)理論加入到因子分解推薦算法當(dāng)中,并采用Rank-SVM方法具體實(shí)現(xiàn)Pairwise排序。最后通過(guò)在三種不同類(lèi)型的排序指標(biāo)上進(jìn)行對(duì)比實(shí)驗(yàn)來(lái)驗(yàn)證本文提出的算法的性能優(yōu)勢(shì)。

    1理論基礎(chǔ)

    這節(jié)主要闡述構(gòu)成本文算法的理論基礎(chǔ)。主要從兩個(gè)方面進(jìn)行介紹,分別是Bias-SVD算法、排序?qū)W習(xí)理論等內(nèi)容。

    1.1Bias-SVD算法

    本文提出的Pairwise-SVD推薦算法借鑒了Bias-SVD推薦算法的思想。所以先簡(jiǎn)要地闡述一下Bias-SVD算法的思想。

    為了預(yù)測(cè)用戶物品評(píng)分矩陣當(dāng)中的空缺項(xiàng)需要把評(píng)分矩陣進(jìn)行分解,分解后的矩陣表示成如下的形式:

    (1)

    這里矩陣R代表的是用戶物品評(píng)分矩陣,P和Q是分解后的兩個(gè)降維矩陣,P矩陣代表的是用戶的特征,Q矩陣代表的是物品的特征。這里可以通過(guò)在訓(xùn)練集的觀察值上利用最小化均方根誤差來(lái)學(xué)習(xí)P矩陣和Q矩陣[5]。通過(guò)這種方法可以把上述矩陣表示成如下的形式:

    (2)

    為了進(jìn)一步提高預(yù)測(cè)精度,Bias-SVD算法在上面的矩陣分解的基礎(chǔ)之上加入了三個(gè)偏置項(xiàng),把上面的公式改變成了如下的形式:

    (3)

    其中,μ表示訓(xùn)練數(shù)據(jù)集當(dāng)中評(píng)分的平均情況。因?yàn)椴煌臄?shù)據(jù)集評(píng)分分布情況有很大的不同。比如說(shuō)有的數(shù)據(jù)集評(píng)分普遍偏高,而有的數(shù)據(jù)集評(píng)分普遍偏低。所以數(shù)據(jù)集的評(píng)分均值對(duì)預(yù)測(cè)有很大的干擾影響,這里為平衡該影響而引入評(píng)分均值這一項(xiàng)。

    bu表示用戶的評(píng)分偏置項(xiàng)。由于不同用戶打分的尺度不相同,會(huì)造成對(duì)于同一物品相似用戶的打分產(chǎn)生巨大的偏差。例如有的用戶比較苛刻打分普遍偏低,而有的用戶尺度寬松打分普遍較高。通過(guò)加入這一偏置項(xiàng)就可均衡這種情況提高預(yù)測(cè)精度。

    bi表示物品偏置項(xiàng)。該項(xiàng)表示物品的受歡迎程度,因?yàn)橛械奈锲繁容^熱門(mén)所以評(píng)分一般都很高,而有的物品比較冷門(mén)打分普遍偏低。通過(guò)引入這一項(xiàng)可以懲罰熱門(mén)物品,并平衡冷門(mén)物品。

    為了學(xué)習(xí)公式中的各個(gè)參數(shù),使用最小二乘法來(lái)定義損失函數(shù)。得出Bias-SVD算法的損失函數(shù)如下所示:

    (4)

    在確定了損失函數(shù)之后可以通過(guò)隨機(jī)梯度下降法學(xué)習(xí)損失函數(shù)中的各參數(shù)。下面列出隨機(jī)梯度下降學(xué)習(xí)的策略:

    bu←bu+γ·(eui-λ·bu)bi←bi+γ·(eui-λ·bi)pu←pu+γ·(eui·qi-λ·pu)qi←qi+γ·(eui·pu-λ·qi)

    (5)

    通過(guò)上面的學(xué)習(xí)策略就可以求得各個(gè)參數(shù)的結(jié)果。

    1.2排序?qū)W習(xí)理論

    所謂排序?qū)W習(xí)理論即將信息檢索領(lǐng)域中的排序問(wèn)題轉(zhuǎn)化成機(jī)器學(xué)習(xí)問(wèn)題,以此期望獲得更好的排序結(jié)果。一般的排序?qū)W習(xí)問(wèn)題可用如圖1的流程來(lái)進(jìn)行說(shuō)明。

    圖1 排序?qū)W習(xí)算法流程圖

    從圖1可以看出排序?qū)W習(xí)是一種有監(jiān)督學(xué)習(xí),所以它需要訓(xùn)練集來(lái)構(gòu)造模型。舉例來(lái)說(shuō),在信息檢索的過(guò)程當(dāng)中一個(gè)訓(xùn)練集包含有n個(gè)查詢(在圖中用q1到qn表示)。相應(yīng)的與查詢相關(guān)的文檔可以用x1到xm來(lái)表示。這里的m表示對(duì)于某一個(gè)查詢返回的文檔個(gè)數(shù)。圖中的模型的獲得可以通過(guò)一個(gè)具體的學(xué)習(xí)算法取得(比如組合特征方法)。通過(guò)這一學(xué)習(xí)算法可以使模型盡可能準(zhǔn)確地預(yù)測(cè)出訓(xùn)練集的標(biāo)簽。在進(jìn)行測(cè)試的時(shí)候只需要運(yùn)用訓(xùn)練好的模型就可以產(chǎn)生推薦列表。

    根據(jù)輸入數(shù)據(jù)的格式不同,通常情況下排序?qū)W習(xí)算法主要分為三大類(lèi)。有基于點(diǎn)的排序算法(Pointwise),基于對(duì)的排序算法(Pairwise),基于列表的排序算法(Listwise)[6]。

    本文所采用的排序方法屬于基于對(duì)的排序方法,故下面將主要闡述基于對(duì)的排序方法的主要思想和實(shí)現(xiàn)手段。

    基于對(duì)的排序方法不關(guān)心單個(gè)文檔的順序,其主要關(guān)注的是文檔對(duì)的分類(lèi)問(wèn)題。也就是說(shuō)基于對(duì)的排序方法把排序問(wèn)題轉(zhuǎn)化為二元分類(lèi)問(wèn)題。如果每一個(gè)文檔對(duì)都能正確的分類(lèi)那么也就可以得出正確的排列順序。所以基于對(duì)的排序方法的主要目標(biāo)是盡可能快地縮小分類(lèi)的誤差。

    基于對(duì)的排序方法實(shí)現(xiàn)有很多的方法,比如神經(jīng)網(wǎng)絡(luò)、感知器、boosting、Rank-SVM方法等。由于本文的排序?qū)W習(xí)方法通過(guò)Rank-SVM實(shí)現(xiàn)所以下面主要講解Rank-SVM方法的主要思路。

    1.3Rank-SVM方法

    Rank-SVM方法采用支持向量機(jī)模型解決分類(lèi)問(wèn)題。Rank-SVM方法在訓(xùn)練數(shù)據(jù)集上構(gòu)造數(shù)據(jù)樣本對(duì)S={(xi,xj),zi},其中xi與xj表示針對(duì)某一個(gè)查詢返回的文檔。如果(xi,xj)是正樣本對(duì)則zi的值表示為+1,如果(xi,xj)是負(fù)樣本對(duì)則zi的值表示為-1。Rank-SVM方法的數(shù)學(xué)表達(dá)如下所示[7]:

    (6)

    從上面的數(shù)學(xué)公式可以看出Rank-SVM方法與一般的SVM方法非常接近。但所不同的是兩種方法的約束條件有一定的差別。SVM方法的約束條件是基于單個(gè)的樣本點(diǎn)構(gòu)造的,而Rank-SVM方法的約束條件基于樣本對(duì)構(gòu)造。并且Rank-SVM方法的損失函數(shù)定義為樣本對(duì)上的Hinge損失。舉例來(lái)說(shuō),有一個(gè)查詢q,如果其標(biāo)簽當(dāng)中的文檔xu比xv相關(guān)。并且如果兩條支持向量的最大間隔大于1,還滿足條件wTxu>wTxv的條件,則其損失函數(shù)為0,否則為Hinge損失的0到1的上界。

    圖2、圖3用通俗的方法說(shuō)明Rank-SVM方法的基本思想。

    圖2 針對(duì)某一個(gè)用戶的查詢  圖3 基于成對(duì)排序的Rank-SVM分類(lèi)

    圖2中的橢圓形表示一個(gè)用戶的查詢,這里我們選取一個(gè)用戶的查詢做成對(duì)排序(在推薦系統(tǒng)里這可以看作是針對(duì)一個(gè)用戶的推薦列表)。

    圖3表示將一個(gè)用戶的查詢信息轉(zhuǎn)化成成對(duì)信息后用Rank-SVM分類(lèi)的結(jié)果。這里有兩個(gè)類(lèi)別+1和-1。其中+1代表正相關(guān),-1代表負(fù)相關(guān)。舉例來(lái)說(shuō)(X3-X1)表示這個(gè)數(shù)據(jù)分類(lèi)為-1也就是負(fù)相關(guān),也就是說(shuō)用戶不希望X3文檔排列在X1文檔的前面。所以文檔對(duì)(X1-X3)分類(lèi)為+1就是正相關(guān)。

    2Pairwise-SVD算法

    2.1算法描述

    本文提出的算法在Bias-SVD算法的基礎(chǔ)之上進(jìn)行改進(jìn),把只能處理單個(gè)數(shù)據(jù)的Bias-SVD算法改造成可以處理成對(duì)數(shù)據(jù)的Pairwise-SVD算法。

    這樣接下來(lái)就可以把Bias-SVD算法的評(píng)分預(yù)測(cè)公式進(jìn)行如下的改造:

    (7)

    這里簡(jiǎn)要解釋一下上面的數(shù)學(xué)公式的含義。公式的左半部分表示的是一個(gè)偏序關(guān)系,即對(duì)于用戶u我們把物品i排列在物品j的前面這樣的一個(gè)偏序關(guān)系[8]。等式的右邊是改造的打分函數(shù),即針對(duì)這樣的偏序關(guān)系依照等式右邊的方法進(jìn)行打分。在等式的右邊添加sigmoid函數(shù)是為了做歸一化處理,使最終的打分函數(shù)的取值落在-1到1之間。

    下面闡述一下Pairwise-SVD算法的具體執(zhí)行步驟:

    (1) 我們要把數(shù)據(jù)集中的數(shù)據(jù)進(jìn)行Pairwise化處理,因?yàn)橹挥羞@樣才能進(jìn)行后續(xù)的工作。

    (2) 將Pairwise化后的數(shù)據(jù)集進(jìn)行分割,分割為訓(xùn)練集合測(cè)試集。

    (3) 在訓(xùn)練集上利用隨機(jī)梯度下降算法訓(xùn)練Pairwise-SVD算法的模型。

    (4) 判斷模型訓(xùn)練是否終止不終止則返回步驟(3)。

    (5) 如果訓(xùn)練終止,在測(cè)試集上面測(cè)試訓(xùn)練好的模型的效果。

    (6) 如果訓(xùn)練好的模型的效果達(dá)標(biāo),用該模型產(chǎn)生的信息作為Rank-SVM方法的輸入。

    (7) 訓(xùn)練Rank-SVM模型。

    (8) 判斷Rank-SVM模型訓(xùn)練是否終止如不終止返回步驟(7)。

    (9) 利用Rank-SVM方法進(jìn)行排序產(chǎn)生推薦列表。

    (10) 評(píng)估推薦效果的好壞情況。

    2.2Pairwise-SVD算法程序流程圖

    下面我們通過(guò)一個(gè)流程圖詳細(xì)講述Pairwise-SVD算法在計(jì)算機(jī)當(dāng)中執(zhí)行的每一個(gè)步驟。如圖4所示。

    圖4 算法程序流程圖

    3實(shí)驗(yàn)驗(yàn)證

    3.1實(shí)驗(yàn)用數(shù)據(jù)集

    本文實(shí)驗(yàn)所采用的數(shù)據(jù)集是GroupLens研究小組的MovieLens100KB數(shù)據(jù)集。該數(shù)據(jù)集包含943個(gè)用戶對(duì)于1682部電影的評(píng)分?jǐn)?shù)據(jù)。并且每名用戶至少評(píng)價(jià)20部以上的電影。

    3.2評(píng)價(jià)指標(biāo)

    本文主要采用三種基于排序的評(píng)價(jià)指標(biāo)評(píng)價(jià)推薦效果的好壞。它們分別是Kendall-tau,MRR和MAP。

    其中Kendall-tau評(píng)價(jià)指標(biāo)用于比較用戶喜歡的物品列表與推薦給用戶的物品列表的關(guān)系。Kendall-tau指標(biāo)越高說(shuō)明推薦的物品與用戶喜歡的物品越相關(guān)。

    (8)

    指標(biāo)MRR表示在列表中越早出現(xiàn)的物品其權(quán)重越高。指標(biāo)MRR的高低說(shuō)明了越早出現(xiàn)用戶喜歡的物品的概率大小。MRR越高說(shuō)明推薦列表的前幾項(xiàng)就是用戶感興趣的物品(因?yàn)榱?xí)慣上用戶只關(guān)注列表的前幾項(xiàng)內(nèi)容)。

    (9)

    指標(biāo)MAP稱(chēng)為平均準(zhǔn)確度,衡量用戶喜歡的物品在列表中出現(xiàn)的頻度。同樣的越早出現(xiàn)在列表中的物品其權(quán)重越高。

    (10)

    3.3對(duì)比實(shí)驗(yàn)

    在這里設(shè)計(jì)三組對(duì)比實(shí)驗(yàn)分別展示三種算法在這三個(gè)評(píng)價(jià)指標(biāo)上的優(yōu)劣程度。

    需要說(shuō)明的是與本文算法進(jìn)行對(duì)比的算法是基于用戶的協(xié)同過(guò)濾推薦算法(UserCF)和基于物品的協(xié)同過(guò)濾推薦算法(ItemCF)。

    3.3.1第一組對(duì)比實(shí)驗(yàn)

    在第一組對(duì)比實(shí)驗(yàn)中我們比較三種算法在指標(biāo)MRR上的優(yōu)劣程度。這里我們隨機(jī)給不同的用戶推薦不同數(shù)量的物品以此來(lái)比較三種算法的情況(用5作為物品列表增加的迭代步長(zhǎng))。

    實(shí)驗(yàn)的結(jié)果通過(guò)圖5的柱狀分析統(tǒng)計(jì)圖來(lái)進(jìn)行展示。

    通過(guò)上面的柱狀分析圖可以得出這樣的結(jié)論。Pairwise-SVD算法在指標(biāo)MRR上其效果要好于基于物品的協(xié)同過(guò)濾算法和基于用戶的協(xié)同過(guò)濾算法。其中在推薦列表長(zhǎng)度為10的時(shí)候效果最明顯(性能提高約30%左右),而這個(gè)長(zhǎng)度往往是一般推薦系統(tǒng)所選取的給用戶推薦的物品數(shù)量。

    3.3.2第二組對(duì)比實(shí)驗(yàn)

    在這組實(shí)驗(yàn)中我們關(guān)注三種算法在指標(biāo)Kendall-tau上的性能情況。同上一組實(shí)驗(yàn)一樣我們隨機(jī)選取幾個(gè)用戶進(jìn)行推薦,設(shè)定不同長(zhǎng)度的推薦列表(長(zhǎng)度從5到12)。比較在不同長(zhǎng)度的列表下Kendall-tau值的大小。實(shí)驗(yàn)的結(jié)果如圖6的折線統(tǒng)計(jì)圖所示。

    圖6 三種算法在Kendall-tau上的比較

    通過(guò)上面的折線圖可以看出Pairwise-SVD算法在指標(biāo)Kendall-tau上要明顯好于另外的兩種算法。這說(shuō)明由Pairwise-SVD算法產(chǎn)生的推薦列表其用戶的興趣與物品之間的相關(guān)度更高。

    3.3.3第三組對(duì)比實(shí)驗(yàn)

    在這一組實(shí)驗(yàn)當(dāng)中比較三種算法在指標(biāo)MAP上的結(jié)果。并通過(guò)表1來(lái)展示,其中N代表推薦給用戶的物品數(shù)量。

    表1 三種算法在MAP上的比較

    通過(guò)上面表格中的數(shù)據(jù),可以得出這樣的結(jié)論。即Pairwise-SVD算法在MAP指標(biāo)上相比另外的兩種算法也有一定的優(yōu)勢(shì)。說(shuō)明Pairwise-SVD算法所推薦的物品準(zhǔn)確度與覆蓋效果更好。

    4結(jié)語(yǔ)

    本文在前人工作的基礎(chǔ)之上提出了基于Pairwise排序?qū)W習(xí)的因子分解推薦算法。把原本只適用于預(yù)測(cè)精度的因子分解推薦算法改造成為適合產(chǎn)生推薦列表的推薦算法。并通過(guò)實(shí)驗(yàn)將該算法與基于內(nèi)存的協(xié)同過(guò)濾推薦推薦算法進(jìn)行對(duì)比。在三個(gè)評(píng)價(jià)指標(biāo)上都取得了比較好的效果。此外加入了Rank-SVM方法把排序問(wèn)題轉(zhuǎn)化為機(jī)器學(xué)習(xí)問(wèn)題使得列表排序更加智能化。本文的工作也為其他的機(jī)器學(xué)習(xí)算法融入推薦算法當(dāng)中做了很好的鋪墊。

    在未來(lái)的工作中我們將把其他的分類(lèi)算法比如神經(jīng)網(wǎng)絡(luò)算法等內(nèi)容用于進(jìn)行排序?qū)W習(xí),并在多維特征的情況下進(jìn)行測(cè)試來(lái)驗(yàn)證其效果。未來(lái)將進(jìn)一步深化排序?qū)W習(xí)與推薦系統(tǒng)領(lǐng)域的交叉研究。

    參考文獻(xiàn)

    [1]YueShi,MarthaLarson,AlanHanjalic.List-wiseLearningtoRankwithMatrixFactorizationforCollaborativeFiltering[C]//Recys’10.Barcelona,Spain:ACM,2010.

    [2]SeanMMcNee,JohnRiedl,JosephAKonstan.BeingAccurateisNotEnough:HowAccuracyMetricshavehurtRecommendersystem[C]//Montreal.Quebec,Canada:ACM,2006.

    [3]YueShi,AlexandrosKaratzoglou,LinasBaltrunas.CLiMF:LearningtoMaximizeReciprocalRankwithCollaborativeLess-is-MoreFiltering[C]//Dublin,Ireland:Recsys’12,2012.

    [4]ShuziNiu,JiafengGuo,YanyanLan,etal.Top-kLearningtoRank:Labeling,RankingandEvaluation[C]//Portland,Oregon,USA:SIGIR’12,2012.

    [5] 項(xiàng)亮.推薦系統(tǒng)實(shí)踐[M].北京:人民郵電出版社,2012.

    [6] 林原,林鴻飛,蘇綏.一種應(yīng)用奇異值分解的Rankboost排序?qū)W習(xí)方法[C]//中國(guó)山東煙臺(tái),第十屆全國(guó)計(jì)算語(yǔ)言學(xué)學(xué)術(shù)會(huì)議,2009.

    [7] 丁偉民.排序?qū)W習(xí)中的RankingSVM算法研究 [J].科技視界,2013(30):84-138.

    [8]ChenT,ZhangW,LuQ.SVDFeature:AToolkitforFeature-basedCollabrativeFiltering[C]//Toappearinthe30thInternationalConferenceonMachineLearningResearch,2012:3585-3588.

    FACTORISATION RECOMMENDATION ALGORITHM BASED ONPAIRWISERANKINGLEARNING

    Zhou JunyuDai YuemingWu Dinghui

    (School of Internet of Things,Jiangnan University,Wuxi 214122,Jiangsu,China)

    AbstractMemory-based collaborative filtering recommendation algorithm has the problem of poor recommendation list ranking effect, in light of this, we presented a new kind of factorisation recommendation algorithm which is based on Pairwise ranking learning, namely the Pairwise-SVD recommendation algorithm. The new algorithm uses the predictive result of factorisation as the input of ranking learning algorithm, in this way, it converts the ranking problem into a classification problem and then uses the ranking learning theory to rank and generates a recommendation list. Experimental results showed that, compared with the memory-based collaborative filtering recommendation algorithm, the Pairwise-SVD recommendation algorithm had better ranking effect. What’s more, it almost doubled the index of Kendall-tau, and improved about 30% in index of MRR, and reached a small improvement in the index of MAP as well.

    KeywordsPairwiseFactorisationCollaborative filteringClassificationRanking learning

    收稿日期:2015-01-18。國(guó)家高技術(shù)研究發(fā)展計(jì)劃項(xiàng)目(2013AA 040405)。周俊宇,碩士生,主研領(lǐng)域:數(shù)據(jù)挖掘與推薦系統(tǒng)。戴月明,副教授。吳定會(huì),副教授。

    中圖分類(lèi)號(hào)TP3

    文獻(xiàn)標(biāo)識(shí)碼A

    DOI:10.3969/j.issn.1000-386x.2016.06.061

    猜你喜歡
    列表排序物品
    巧用列表來(lái)推理
    稱(chēng)物品
    排序不等式
    學(xué)習(xí)運(yùn)用列表法
    “雙十一”,你搶到了想要的物品嗎?
    擴(kuò)列吧
    恐怖排序
    誰(shuí)動(dòng)了凡·高的物品
    節(jié)日排序
    刻舟求劍
    兒童繪本(2018年5期)2018-04-12 16:45:32
    黑人欧美特级aaaaaa片| 很黄的视频免费| 日韩大码丰满熟妇| 国产精品 欧美亚洲| 国产黄色免费在线视频| 欧美乱色亚洲激情| 国产xxxxx性猛交| 国产精品1区2区在线观看. | 国产精品久久久久久精品古装| 国产精品 欧美亚洲| 51午夜福利影视在线观看| 精品亚洲成a人片在线观看| 操美女的视频在线观看| 桃红色精品国产亚洲av| av超薄肉色丝袜交足视频| 欧美黑人精品巨大| 色精品久久人妻99蜜桃| 99精国产麻豆久久婷婷| 一夜夜www| 最新的欧美精品一区二区| 波多野结衣一区麻豆| 午夜老司机福利片| 国产精品久久电影中文字幕 | 丁香六月欧美| 免费日韩欧美在线观看| 欧美 日韩 精品 国产| 在线观看免费视频日本深夜| 欧美日韩黄片免| 久久婷婷成人综合色麻豆| 在线观看免费视频日本深夜| 色在线成人网| 欧美老熟妇乱子伦牲交| 狠狠狠狠99中文字幕| 国产精品久久久久久人妻精品电影| 精品熟女少妇八av免费久了| 国产精品久久电影中文字幕 | 成人av一区二区三区在线看| 国产野战对白在线观看| av在线播放免费不卡| 一级a爱视频在线免费观看| 国产欧美日韩一区二区三区在线| 一区二区三区国产精品乱码| www日本在线高清视频| 黄网站色视频无遮挡免费观看| 成人av一区二区三区在线看| 免费少妇av软件| 黄色视频不卡| 中国美女看黄片| 日本vs欧美在线观看视频| 狂野欧美激情性xxxx| 久久久国产一区二区| 亚洲 欧美一区二区三区| 欧美精品亚洲一区二区| 久久久久久久国产电影| 国产精品免费一区二区三区在线 | 久久精品成人免费网站| 777米奇影视久久| 91九色精品人成在线观看| 黄色 视频免费看| 亚洲视频免费观看视频| 精品久久久久久久毛片微露脸| 久久精品国产亚洲av高清一级| 欧美精品一区二区免费开放| 18禁裸乳无遮挡动漫免费视频| 国产日韩一区二区三区精品不卡| 搡老熟女国产l中国老女人| 精品国产超薄肉色丝袜足j| 婷婷精品国产亚洲av在线 | 曰老女人黄片| 黄片小视频在线播放| 嫁个100分男人电影在线观看| 久久国产精品人妻蜜桃| 亚洲成人免费电影在线观看| 国产午夜精品久久久久久| 男人操女人黄网站| 国产亚洲欧美98| 99香蕉大伊视频| 国产不卡一卡二| 久久亚洲精品不卡| 99re6热这里在线精品视频| 午夜福利在线免费观看网站| a级毛片在线看网站| 热99re8久久精品国产| 夫妻午夜视频| 又黄又粗又硬又大视频| 亚洲成人免费电影在线观看| 亚洲国产精品sss在线观看 | 在线av久久热| 欧美黄色淫秽网站| 精品少妇久久久久久888优播| 一区二区三区国产精品乱码| av免费在线观看网站| 成人国产一区最新在线观看| 在线永久观看黄色视频| 露出奶头的视频| 18禁裸乳无遮挡免费网站照片 | 日韩中文字幕欧美一区二区| 亚洲av成人av| 最新在线观看一区二区三区| www日本在线高清视频| 久久亚洲精品不卡| 99riav亚洲国产免费| 国产成人av激情在线播放| 女人被躁到高潮嗷嗷叫费观| 欧美日韩亚洲综合一区二区三区_| 99久久综合精品五月天人人| 一级黄色大片毛片| 国产午夜精品久久久久久| 免费在线观看亚洲国产| av电影中文网址| 一级a爱片免费观看的视频| 一夜夜www| 免费在线观看亚洲国产| 久久精品91无色码中文字幕| 热99久久久久精品小说推荐| 婷婷精品国产亚洲av在线 | 久久久精品国产亚洲av高清涩受| 最新美女视频免费是黄的| 亚洲自偷自拍图片 自拍| 婷婷成人精品国产| 90打野战视频偷拍视频| 美女扒开内裤让男人捅视频| 老熟妇仑乱视频hdxx| 国产成人精品在线电影| 高清在线国产一区| 91字幕亚洲| 亚洲九九香蕉| 免费av中文字幕在线| 成人特级黄色片久久久久久久| 捣出白浆h1v1| 两人在一起打扑克的视频| 成年人午夜在线观看视频| 国产精品久久久人人做人人爽| 18在线观看网站| 国产激情欧美一区二区| 久久精品熟女亚洲av麻豆精品| 免费看十八禁软件| 亚洲色图综合在线观看| 亚洲精品国产区一区二| 欧美日本中文国产一区发布| 麻豆国产av国片精品| 法律面前人人平等表现在哪些方面| 亚洲熟女毛片儿| 啦啦啦 在线观看视频| 老司机午夜十八禁免费视频| 久久国产精品影院| 自拍欧美九色日韩亚洲蝌蚪91| 下体分泌物呈黄色| 天堂动漫精品| 久久久国产成人精品二区 | 国产av一区二区精品久久| 久久久久国内视频| 精品国产国语对白av| 天天影视国产精品| 69精品国产乱码久久久| 9热在线视频观看99| 一本一本久久a久久精品综合妖精| 99热国产这里只有精品6| 一本综合久久免费| 国产蜜桃级精品一区二区三区 | 不卡一级毛片| 99国产综合亚洲精品| 国产精品久久电影中文字幕 | 91成人精品电影| a级毛片黄视频| 欧美乱色亚洲激情| www.自偷自拍.com| 久久中文看片网| 国产成人影院久久av| 99久久精品国产亚洲精品| 少妇猛男粗大的猛烈进出视频| 国产高清视频在线播放一区| 18禁国产床啪视频网站| 国产av精品麻豆| 在线av久久热| 热99国产精品久久久久久7| 精品久久久久久,| 日韩熟女老妇一区二区性免费视频| 日韩视频一区二区在线观看| 亚洲人成电影观看| 国产精品 欧美亚洲| 老司机在亚洲福利影院| 国产xxxxx性猛交| 一夜夜www| 亚洲成国产人片在线观看| av免费在线观看网站| 大香蕉久久网| 成人影院久久| 亚洲 国产 在线| 最近最新中文字幕大全免费视频| 国精品久久久久久国模美| 午夜福利视频在线观看免费| 国产熟女午夜一区二区三区| 一二三四在线观看免费中文在| 在线天堂中文资源库| 91麻豆av在线| av天堂在线播放| 亚洲七黄色美女视频| 在线观看免费午夜福利视频| 黄色毛片三级朝国网站| 亚洲欧美色中文字幕在线| 水蜜桃什么品种好| 韩国精品一区二区三区| 一个人免费在线观看的高清视频| 久99久视频精品免费| 91精品国产国语对白视频| 女人被躁到高潮嗷嗷叫费观| www.999成人在线观看| 亚洲熟女精品中文字幕| 成人精品一区二区免费| 99久久人妻综合| 女性生殖器流出的白浆| 久久国产精品影院| 久久人人97超碰香蕉20202| 亚洲精品粉嫩美女一区| 69精品国产乱码久久久| 黑人猛操日本美女一级片| 手机成人av网站| 中文字幕人妻丝袜一区二区| 国产色视频综合| 在线播放国产精品三级| 亚洲精品在线美女| 99re6热这里在线精品视频| 18禁美女被吸乳视频| 一边摸一边抽搐一进一小说 | 久久久国产一区二区| 国产免费男女视频| 久久国产精品男人的天堂亚洲| 欧美在线一区亚洲| 夫妻午夜视频| 少妇粗大呻吟视频| 交换朋友夫妻互换小说| 久久 成人 亚洲| 精品久久久久久,| 免费女性裸体啪啪无遮挡网站| 视频区图区小说| 免费观看精品视频网站| 少妇 在线观看| 一区福利在线观看| 亚洲人成77777在线视频| 热99re8久久精品国产| 天天躁日日躁夜夜躁夜夜| 99久久人妻综合| 久久人妻福利社区极品人妻图片| 女人被狂操c到高潮| 欧美激情久久久久久爽电影 | 麻豆成人av在线观看| 久久精品人人爽人人爽视色| 正在播放国产对白刺激| 成年动漫av网址| 日韩一卡2卡3卡4卡2021年| 一边摸一边做爽爽视频免费| 欧美日韩乱码在线| 脱女人内裤的视频| 99热只有精品国产| 欧美精品av麻豆av| 国产精品香港三级国产av潘金莲| av片东京热男人的天堂| 中文字幕制服av| 国产精品 国内视频| 精品久久久精品久久久| 久久精品人人爽人人爽视色| 窝窝影院91人妻| 精品人妻在线不人妻| 国产区一区二久久| 国产深夜福利视频在线观看| 免费观看a级毛片全部| 亚洲专区国产一区二区| 在线看a的网站| 亚洲国产欧美网| 天堂动漫精品| 国产精品永久免费网站| 亚洲第一av免费看| 久久久国产成人精品二区 | 一个人免费在线观看的高清视频| 一级毛片精品| 亚洲av美国av| svipshipincom国产片| 村上凉子中文字幕在线| 国产成人精品久久二区二区免费| 国产91精品成人一区二区三区| 首页视频小说图片口味搜索| 免费看a级黄色片| 后天国语完整版免费观看| 一级黄色大片毛片| 色精品久久人妻99蜜桃| 午夜激情av网站| 欧美日韩亚洲综合一区二区三区_| 免费观看精品视频网站| 亚洲熟妇中文字幕五十中出 | 欧美日韩精品网址| 日韩视频一区二区在线观看| 午夜日韩欧美国产| 美女高潮到喷水免费观看| 久久国产精品人妻蜜桃| 国产精品国产av在线观看| 欧美成人免费av一区二区三区 | 69精品国产乱码久久久| 成人特级黄色片久久久久久久| av网站免费在线观看视频| 国产亚洲精品一区二区www | 亚洲精品成人av观看孕妇| 久久99一区二区三区| 亚洲一区二区三区不卡视频| 天天添夜夜摸| 欧美乱码精品一区二区三区| 国产成人精品在线电影| 午夜日韩欧美国产| av有码第一页| 美女福利国产在线| 国产精品九九99| 人人澡人人妻人| 午夜福利一区二区在线看| 可以免费在线观看a视频的电影网站| 日韩免费av在线播放| 国产精品偷伦视频观看了| 精品福利观看| 久久亚洲真实| 一二三四在线观看免费中文在| 国产伦人伦偷精品视频| 国产精品电影一区二区三区 | 一区二区三区国产精品乱码| 国产一区二区三区综合在线观看| 我的亚洲天堂| 亚洲精品美女久久久久99蜜臀| 黄色丝袜av网址大全| 国产一区在线观看成人免费| 99久久综合精品五月天人人| 在线观看一区二区三区激情| 少妇的丰满在线观看| 亚洲伊人色综图| 99热国产这里只有精品6| 国产成人欧美| 一区在线观看完整版| 丰满饥渴人妻一区二区三| 中国美女看黄片| 九色亚洲精品在线播放| 色精品久久人妻99蜜桃| 黑人巨大精品欧美一区二区mp4| 亚洲黑人精品在线| 国产乱人伦免费视频| 久久99一区二区三区| 亚洲va日本ⅴa欧美va伊人久久| 久久人妻福利社区极品人妻图片| 欧美人与性动交α欧美软件| 极品教师在线免费播放| 高清欧美精品videossex| 国内毛片毛片毛片毛片毛片| 两性午夜刺激爽爽歪歪视频在线观看 | 久久 成人 亚洲| 成人国语在线视频| 一边摸一边抽搐一进一出视频| 国产亚洲一区二区精品| 亚洲av日韩精品久久久久久密| 夫妻午夜视频| 国产深夜福利视频在线观看| 午夜福利在线观看吧| 热re99久久国产66热| 久热这里只有精品99| 国产欧美日韩综合在线一区二区| 热99国产精品久久久久久7| 亚洲熟妇熟女久久| 国产亚洲欧美精品永久| 久久精品熟女亚洲av麻豆精品| av网站在线播放免费| 日本欧美视频一区| 国产精品 欧美亚洲| 久久久精品免费免费高清| 高清av免费在线| 精品视频人人做人人爽| 国产男女内射视频| 国产主播在线观看一区二区| 国产亚洲欧美精品永久| 精品国产美女av久久久久小说| 久久久久精品国产欧美久久久| 他把我摸到了高潮在线观看| 成人影院久久| 亚洲精品美女久久久久99蜜臀| 免费在线观看日本一区| 视频区欧美日本亚洲| 国产成人精品久久二区二区免费| 露出奶头的视频| 欧美日韩国产mv在线观看视频| 极品教师在线免费播放| 久久久久国产精品人妻aⅴ院 | 91大片在线观看| 午夜免费观看网址| 精品国产乱子伦一区二区三区| 十八禁网站免费在线| 亚洲色图综合在线观看| 日韩视频一区二区在线观看| 亚洲一区二区三区不卡视频| 99国产精品一区二区蜜桃av | 欧美人与性动交α欧美精品济南到| 12—13女人毛片做爰片一| 成年人黄色毛片网站| 超碰97精品在线观看| 欧美人与性动交α欧美精品济南到| 成年人午夜在线观看视频| 久久久久久久久久久久大奶| 777久久人妻少妇嫩草av网站| 免费看十八禁软件| 丝袜在线中文字幕| 国产成人一区二区三区免费视频网站| 久久久国产欧美日韩av| 久久久国产一区二区| 少妇被粗大的猛进出69影院| 亚洲国产中文字幕在线视频| 在线永久观看黄色视频| 免费观看精品视频网站| 天堂√8在线中文| 啦啦啦在线免费观看视频4| 亚洲中文av在线| 亚洲午夜理论影院| 亚洲av第一区精品v没综合| 免费观看精品视频网站| 久久久精品免费免费高清| 日本a在线网址| 久久久国产欧美日韩av| 国产精品一区二区在线观看99| 一级,二级,三级黄色视频| 一级毛片高清免费大全| 国产一区有黄有色的免费视频| 操出白浆在线播放| 曰老女人黄片| 黑丝袜美女国产一区| 精品少妇久久久久久888优播| 亚洲伊人色综图| 在线观看免费午夜福利视频| 欧美日韩av久久| 国产亚洲欧美在线一区二区| 国产在线精品亚洲第一网站| 欧美午夜高清在线| 夫妻午夜视频| 午夜两性在线视频| 91成人精品电影| 精品无人区乱码1区二区| 黑人巨大精品欧美一区二区蜜桃| 这个男人来自地球电影免费观看| 又黄又爽又免费观看的视频| 天堂中文最新版在线下载| 免费在线观看日本一区| 好男人电影高清在线观看| 天堂动漫精品| 免费久久久久久久精品成人欧美视频| 欧美 日韩 精品 国产| a级毛片在线看网站| 天天躁日日躁夜夜躁夜夜| 国产不卡一卡二| av福利片在线| 黑人巨大精品欧美一区二区mp4| 国产精品久久久av美女十八| 一进一出抽搐动态| netflix在线观看网站| 黄色视频不卡| 久久久久久久久免费视频了| av视频免费观看在线观看| 老司机福利观看| 在线视频色国产色| 99久久精品国产亚洲精品| 18禁观看日本| 一区在线观看完整版| 动漫黄色视频在线观看| 久久精品成人免费网站| 水蜜桃什么品种好| cao死你这个sao货| 757午夜福利合集在线观看| 中文字幕另类日韩欧美亚洲嫩草| 亚洲av成人一区二区三| 久久久久精品人妻al黑| 王馨瑶露胸无遮挡在线观看| 久久久久久久精品吃奶| 亚洲成人免费电影在线观看| 国产精品成人在线| 999久久久精品免费观看国产| 国产精品偷伦视频观看了| 九色亚洲精品在线播放| 欧美日韩乱码在线| 色播在线永久视频| 亚洲精品粉嫩美女一区| 看免费av毛片| 日韩欧美三级三区| 欧美大码av| 欧美午夜高清在线| 国产精品 欧美亚洲| 丰满的人妻完整版| 久久久久精品国产欧美久久久| 丰满的人妻完整版| 成人精品一区二区免费| 亚洲av欧美aⅴ国产| 不卡一级毛片| 亚洲精品乱久久久久久| 精品乱码久久久久久99久播| 亚洲欧美一区二区三区久久| 1024视频免费在线观看| 日韩制服丝袜自拍偷拍| 午夜久久久在线观看| 精品人妻熟女毛片av久久网站| netflix在线观看网站| 亚洲国产欧美一区二区综合| 久久久久久久国产电影| 校园春色视频在线观看| 在线天堂中文资源库| 欧美性长视频在线观看| 男人的好看免费观看在线视频 | 欧美午夜高清在线| 亚洲免费av在线视频| 久久人人97超碰香蕉20202| av福利片在线| 999久久久国产精品视频| 99热国产这里只有精品6| 大型黄色视频在线免费观看| 人人妻人人澡人人看| 嫩草影视91久久| 黄色片一级片一级黄色片| 丝瓜视频免费看黄片| 日本vs欧美在线观看视频| 免费黄频网站在线观看国产| 伦理电影免费视频| 天天添夜夜摸| 亚洲熟女毛片儿| 亚洲成a人片在线一区二区| 国产欧美日韩一区二区三| 亚洲成人手机| 亚洲一区二区三区欧美精品| 亚洲伊人色综图| 男女高潮啪啪啪动态图| 久久精品人人爽人人爽视色| 亚洲精品一卡2卡三卡4卡5卡| 日本一区二区免费在线视频| 久久精品aⅴ一区二区三区四区| 脱女人内裤的视频| 69av精品久久久久久| 美女视频免费永久观看网站| 亚洲综合色网址| 中文字幕人妻丝袜一区二区| 精品国产国语对白av| 丝袜人妻中文字幕| 精品亚洲成国产av| 黄片播放在线免费| 国产亚洲精品久久久久5区| 热re99久久精品国产66热6| 亚洲精品乱久久久久久| 十八禁网站免费在线| 女性被躁到高潮视频| 波多野结衣一区麻豆| 国产xxxxx性猛交| 精品国内亚洲2022精品成人 | 精品卡一卡二卡四卡免费| 视频在线观看一区二区三区| 人人妻,人人澡人人爽秒播| 在线播放国产精品三级| 99精国产麻豆久久婷婷| 激情视频va一区二区三区| 可以免费在线观看a视频的电影网站| 国产精品二区激情视频| 两性午夜刺激爽爽歪歪视频在线观看 | 国产av又大| 九色亚洲精品在线播放| 久久久久久久精品吃奶| 国产精品99久久99久久久不卡| 电影成人av| 欧美成人午夜精品| 国产精品成人在线| 亚洲精品国产区一区二| 两性夫妻黄色片| 12—13女人毛片做爰片一| 欧美人与性动交α欧美精品济南到| 丝瓜视频免费看黄片| e午夜精品久久久久久久| 精品久久久久久,| 欧美中文综合在线视频| a级片在线免费高清观看视频| 人妻丰满熟妇av一区二区三区 | 在线观看日韩欧美| 免费看a级黄色片| 熟女少妇亚洲综合色aaa.| 1024香蕉在线观看| 丁香六月欧美| 一边摸一边抽搐一进一小说 | 制服人妻中文乱码| 黄频高清免费视频| 久久久久久久国产电影| 成人影院久久| 亚洲av第一区精品v没综合| 老熟妇仑乱视频hdxx| 高清在线国产一区| 欧美日韩乱码在线| 三上悠亚av全集在线观看| 国产高清videossex| 久久中文字幕人妻熟女| 老司机靠b影院| 黑人猛操日本美女一级片| 久久中文字幕人妻熟女| 黄色 视频免费看| 色尼玛亚洲综合影院| 黑丝袜美女国产一区| 婷婷成人精品国产| 色尼玛亚洲综合影院| 91av网站免费观看| 中文字幕制服av| 搡老乐熟女国产| 亚洲国产精品一区二区三区在线| 三上悠亚av全集在线观看| 成人影院久久| 在线看a的网站| 99久久人妻综合| 午夜免费鲁丝| 亚洲国产欧美一区二区综合| 91成人精品电影| 啦啦啦在线免费观看视频4| 最新的欧美精品一区二区| 啦啦啦免费观看视频1| 亚洲av片天天在线观看| 亚洲国产欧美一区二区综合|