• <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
    婷婷色av中文字幕| 新久久久久国产一级毛片| 男人舔女人的私密视频| 久久人人97超碰香蕉20202| 亚洲伊人色综图| 国产一区有黄有色的免费视频| 国产日韩欧美在线精品| 久久av网站| 成年动漫av网址| 午夜福利乱码中文字幕| 国产成人精品福利久久| 精品福利永久在线观看| 亚洲熟女精品中文字幕| 亚洲精品色激情综合| 国产亚洲午夜精品一区二区久久| 国产日韩一区二区三区精品不卡| 亚洲欧美日韩卡通动漫| 熟女人妻精品中文字幕| 国产69精品久久久久777片| 中文字幕免费在线视频6| 久久久a久久爽久久v久久| 成年动漫av网址| 十八禁网站网址无遮挡| 亚洲欧美精品自产自拍| 国产黄频视频在线观看| 在线天堂最新版资源| 中文天堂在线官网| 成人国产麻豆网| 精品午夜福利在线看| 国产亚洲最大av| 免费观看无遮挡的男女| 国产精品一区www在线观看| 如何舔出高潮| 久久精品熟女亚洲av麻豆精品| 久久久久久久久久成人| 你懂的网址亚洲精品在线观看| 一级片免费观看大全| 亚洲欧美一区二区三区黑人 | 熟女电影av网| 亚洲美女黄色视频免费看| 精品国产一区二区久久| 狂野欧美激情性xxxx在线观看| 啦啦啦中文免费视频观看日本| 在线观看免费高清a一片| 中文乱码字字幕精品一区二区三区| a级毛色黄片| 久久精品国产亚洲av天美| 夜夜爽夜夜爽视频| 国产一区二区三区综合在线观看 | 久久精品久久精品一区二区三区| 欧美日韩视频高清一区二区三区二| 久久综合国产亚洲精品| 在现免费观看毛片| 精品99又大又爽又粗少妇毛片| 精品人妻在线不人妻| 免费看光身美女| 国产高清不卡午夜福利| 久久免费观看电影| 五月伊人婷婷丁香| 极品人妻少妇av视频| 黑人猛操日本美女一级片| 日韩成人av中文字幕在线观看| 高清不卡的av网站| 性色av一级| 一个人免费看片子| 久久久久国产网址| 日产精品乱码卡一卡2卡三| 精品一区二区免费观看| 久久久久人妻精品一区果冻| 欧美人与性动交α欧美软件 | 捣出白浆h1v1| 天天躁夜夜躁狠狠久久av| 精品国产乱码久久久久久小说| 黑人高潮一二区| 人人妻人人添人人爽欧美一区卜| 国产精品久久久久久精品电影小说| 欧美日韩亚洲高清精品| kizo精华| 免费女性裸体啪啪无遮挡网站| 制服诱惑二区| 国产视频首页在线观看| 亚洲精品久久午夜乱码| 水蜜桃什么品种好| 亚洲少妇的诱惑av| 99国产精品免费福利视频| 全区人妻精品视频| 蜜桃在线观看..| 亚洲久久久国产精品| 午夜福利在线观看免费完整高清在| 免费观看在线日韩| 亚洲成国产人片在线观看| 母亲3免费完整高清在线观看 | 肉色欧美久久久久久久蜜桃| 免费看光身美女| 国产一区二区激情短视频 | 夜夜爽夜夜爽视频| 熟女电影av网| 国产麻豆69| 欧美性感艳星| 少妇人妻精品综合一区二区| 亚洲第一av免费看| 亚洲成人av在线免费| 日本与韩国留学比较| 我的女老师完整版在线观看| 大片免费播放器 马上看| 青春草国产在线视频| 少妇精品久久久久久久| 亚洲成色77777| 亚洲精品乱码久久久久久按摩| 亚洲精品乱码久久久久久按摩| 这个男人来自地球电影免费观看 | 国产又色又爽无遮挡免| 国产xxxxx性猛交| 亚洲,欧美精品.| 中文字幕人妻丝袜制服| 亚洲天堂av无毛| 少妇的逼好多水| √禁漫天堂资源中文www| 精品少妇内射三级| av女优亚洲男人天堂| 亚洲伊人色综图| 亚洲,欧美,日韩| 男女免费视频国产| 日日撸夜夜添| 大片免费播放器 马上看| 国产69精品久久久久777片| 一级爰片在线观看| 久久av网站| 母亲3免费完整高清在线观看 | 亚洲美女黄色视频免费看| 国产男人的电影天堂91| 精品午夜福利在线看| 91精品伊人久久大香线蕉| 秋霞在线观看毛片| 日本欧美视频一区| 免费高清在线观看日韩| 国产熟女午夜一区二区三区| 国产综合精华液| 亚洲欧美一区二区三区国产| 精品视频人人做人人爽| 大话2 男鬼变身卡| 精品国产一区二区久久| 午夜老司机福利剧场| 美女国产高潮福利片在线看| 亚洲第一av免费看| 欧美精品一区二区大全| 久久人人爽人人爽人人片va| 久久久久精品性色| 国产色婷婷99| 亚洲欧美精品自产自拍| 色哟哟·www| 中文字幕精品免费在线观看视频 | xxxhd国产人妻xxx| 亚洲国产精品成人久久小说| 涩涩av久久男人的天堂| 插逼视频在线观看| 日本wwww免费看| 久久人人爽av亚洲精品天堂| 狂野欧美激情性bbbbbb| 成人午夜精彩视频在线观看| 母亲3免费完整高清在线观看 | 欧美日韩综合久久久久久| 亚洲天堂av无毛| 中国国产av一级| 精品一区二区三区视频在线| 久久精品久久久久久久性| 成年女人在线观看亚洲视频| 国产有黄有色有爽视频| 亚洲美女视频黄频| 亚洲精品av麻豆狂野| 国产乱来视频区| 日本黄大片高清| 亚洲一区二区三区欧美精品| 男女边吃奶边做爰视频| 我要看黄色一级片免费的| 天天躁夜夜躁狠狠躁躁| 亚洲av电影在线进入| 日韩不卡一区二区三区视频在线| 一区二区三区四区激情视频| 国产免费视频播放在线视频| 成人二区视频| 不卡视频在线观看欧美| 国产精品国产三级专区第一集| 国产精品三级大全| 国产免费视频播放在线视频| 亚洲美女搞黄在线观看| 亚洲欧美成人精品一区二区| 国产精品国产三级专区第一集| 欧美精品av麻豆av| 亚洲精品日本国产第一区| 久久久a久久爽久久v久久| 99精国产麻豆久久婷婷| 久久久国产一区二区| 春色校园在线视频观看| 国产日韩欧美在线精品| 精品人妻偷拍中文字幕| 一区二区三区四区激情视频| 内地一区二区视频在线| 全区人妻精品视频| 色哟哟·www| 国产精品久久久久成人av| av不卡在线播放| 欧美xxxx性猛交bbbb| 精品国产一区二区三区四区第35| 亚洲国产精品一区二区三区在线| 中国三级夫妇交换| 精品卡一卡二卡四卡免费| 老熟女久久久| 五月开心婷婷网| 中文字幕人妻熟女乱码| av国产久精品久网站免费入址| 老司机亚洲免费影院| 人妻系列 视频| 80岁老熟妇乱子伦牲交| 亚洲人成77777在线视频| a级毛色黄片| 十八禁高潮呻吟视频| 亚洲人成77777在线视频| 日韩制服骚丝袜av| 久久人人爽av亚洲精品天堂| 婷婷成人精品国产| 免费在线观看完整版高清| 亚洲美女黄色视频免费看| 人妻少妇偷人精品九色| 精品视频人人做人人爽| 日韩av在线免费看完整版不卡| 国产精品一区二区在线不卡| 妹子高潮喷水视频| 国产白丝娇喘喷水9色精品| 免费观看a级毛片全部| 日本爱情动作片www.在线观看| 国产精品久久久久久精品古装| 亚洲性久久影院| 久久99蜜桃精品久久| 欧美另类一区| 伦理电影免费视频| 久久精品人人爽人人爽视色| videosex国产| 亚洲av电影在线进入| 国产在线视频一区二区| 九九在线视频观看精品| 香蕉丝袜av| 一级,二级,三级黄色视频| 一区二区三区精品91| av免费在线看不卡| 精品国产一区二区久久| 久久久国产一区二区| 一本久久精品| av国产精品久久久久影院| 久久 成人 亚洲| 久久久久精品性色| 一级毛片我不卡| 久久久久精品性色| 日韩一区二区三区影片| 亚洲国产成人一精品久久久| 日韩一区二区视频免费看| 自线自在国产av| 极品少妇高潮喷水抽搐| 亚洲丝袜综合中文字幕| 日韩欧美一区视频在线观看| 国产一区二区激情短视频 | 日韩伦理黄色片| 精品久久蜜臀av无| 人人澡人人妻人| 午夜老司机福利剧场| 99热6这里只有精品| 免费看av在线观看网站| 久久精品国产a三级三级三级| 日韩欧美一区视频在线观看| 在线天堂中文资源库| 狠狠婷婷综合久久久久久88av| 国产成人精品无人区| 亚洲欧美精品自产自拍| 日韩一本色道免费dvd| 欧美人与性动交α欧美精品济南到 | av片东京热男人的天堂| 最近的中文字幕免费完整| 国产av码专区亚洲av| 视频中文字幕在线观看| 久久国产精品男人的天堂亚洲 | 亚洲欧美一区二区三区黑人 | 欧美亚洲日本最大视频资源| 久久久亚洲精品成人影院| 男男h啪啪无遮挡| 考比视频在线观看| 亚洲精品乱久久久久久| av在线app专区| 中文欧美无线码| 女性被躁到高潮视频| 久久女婷五月综合色啪小说| 免费观看无遮挡的男女| 91精品三级在线观看| 欧美另类一区| 亚洲欧美色中文字幕在线| 咕卡用的链子| 热99久久久久精品小说推荐| 黄片无遮挡物在线观看| av天堂久久9| 国产成人免费观看mmmm| 一本大道久久a久久精品| 国产乱人偷精品视频| 欧美激情国产日韩精品一区| 国产极品粉嫩免费观看在线| 欧美日韩国产mv在线观看视频| 97超碰精品成人国产| 国产麻豆69| 亚洲精品中文字幕在线视频| 成人手机av| 97精品久久久久久久久久精品| 肉色欧美久久久久久久蜜桃| 最近手机中文字幕大全| 色网站视频免费| 高清不卡的av网站| 日本黄色日本黄色录像| 看免费av毛片| 欧美+日韩+精品| 97在线视频观看| 欧美精品高潮呻吟av久久| 国产麻豆69| 午夜精品国产一区二区电影| 欧美bdsm另类| 欧美成人精品欧美一级黄| 男女啪啪激烈高潮av片| 9热在线视频观看99| 香蕉丝袜av| 18禁在线无遮挡免费观看视频| 久久久久久久久久成人| 精品第一国产精品| 人妻一区二区av| 在线观看国产h片| 日韩一区二区视频免费看| 欧美精品国产亚洲| 欧美97在线视频| 最近最新中文字幕免费大全7| 乱人伦中国视频| 成人国产麻豆网| 亚洲精品国产av蜜桃| 国产精品无大码| 在线免费观看不下载黄p国产| 欧美精品人与动牲交sv欧美| 久久久久网色| 永久免费av网站大全| 日韩免费高清中文字幕av| 黄色配什么色好看| 久久韩国三级中文字幕| 亚洲中文av在线| 国产精品女同一区二区软件| 亚洲成av片中文字幕在线观看 | 爱豆传媒免费全集在线观看| tube8黄色片| 极品人妻少妇av视频| 久久人人97超碰香蕉20202| 69精品国产乱码久久久| 超碰97精品在线观看| 婷婷色麻豆天堂久久| 熟女人妻精品中文字幕| 亚洲av国产av综合av卡| 建设人人有责人人尽责人人享有的| 天天躁夜夜躁狠狠久久av| 曰老女人黄片| 大话2 男鬼变身卡| 国产精品一区www在线观看| 国产免费一级a男人的天堂| 春色校园在线视频观看| 中文字幕人妻丝袜制服| 亚洲四区av| 永久网站在线| 女性被躁到高潮视频| 久久人妻熟女aⅴ| 最后的刺客免费高清国语| 日韩熟女老妇一区二区性免费视频| 啦啦啦视频在线资源免费观看| 亚洲性久久影院| 国产精品女同一区二区软件| 免费在线观看完整版高清| 9色porny在线观看| 久久鲁丝午夜福利片| 久久青草综合色| 日韩视频在线欧美| 国产精品一国产av| 99久久综合免费| 精品视频人人做人人爽| 久久久亚洲精品成人影院| 免费大片18禁| 国产伦理片在线播放av一区| 国产精品女同一区二区软件| 国产一区二区三区综合在线观看 | 欧美最新免费一区二区三区| 日韩欧美精品免费久久| 国产精品久久久久久久电影| 国产精品久久久久成人av| 午夜福利在线观看免费完整高清在| 亚洲四区av| 高清黄色对白视频在线免费看| 女性被躁到高潮视频| 天天操日日干夜夜撸| 九色亚洲精品在线播放| 久久99蜜桃精品久久| 成人二区视频| 久久久久精品久久久久真实原创| 亚洲av在线观看美女高潮| av片东京热男人的天堂| 亚洲三级黄色毛片| 男女国产视频网站| 免费在线观看完整版高清| 综合色丁香网| 国产欧美亚洲国产| 咕卡用的链子| 国产福利在线免费观看视频| 一本大道久久a久久精品| 大话2 男鬼变身卡| 侵犯人妻中文字幕一二三四区| 免费高清在线观看视频在线观看| 晚上一个人看的免费电影| 又大又黄又爽视频免费| 老女人水多毛片| 国产男人的电影天堂91| 久久精品aⅴ一区二区三区四区 | 亚洲,一卡二卡三卡| 国产成人精品福利久久| 亚洲综合精品二区| 国产免费一级a男人的天堂| 欧美xxxx性猛交bbbb| 久久99精品国语久久久| 国产爽快片一区二区三区| 亚洲伊人久久精品综合| 少妇精品久久久久久久| 国产精品三级大全| 久久久久久久久久成人| 精品国产国语对白av| 天堂中文最新版在线下载| 美女国产高潮福利片在线看| 婷婷色麻豆天堂久久| 亚洲av综合色区一区| 久久久久精品久久久久真实原创| 亚洲少妇的诱惑av| 亚洲内射少妇av| 亚洲欧美成人精品一区二区| 国产1区2区3区精品| 久久女婷五月综合色啪小说| 亚洲四区av| 一级,二级,三级黄色视频| 妹子高潮喷水视频| 日韩制服骚丝袜av| 久久精品熟女亚洲av麻豆精品| 国产亚洲最大av| 亚洲精品美女久久久久99蜜臀 | 免费高清在线观看日韩| 老司机影院成人| 中文天堂在线官网| 超碰97精品在线观看| 国产国语露脸激情在线看| 亚洲国产精品国产精品| 大片电影免费在线观看免费| 亚洲精品一二三| 久久97久久精品| 国产高清不卡午夜福利| 亚洲国产色片| 国产一区二区三区av在线| 女人被躁到高潮嗷嗷叫费观| 亚洲综合色惰| 亚洲丝袜综合中文字幕| 天美传媒精品一区二区| 精品国产露脸久久av麻豆| av女优亚洲男人天堂| 大香蕉久久成人网| 日韩制服丝袜自拍偷拍| 午夜激情久久久久久久| 在线精品无人区一区二区三| 大香蕉久久网| 欧美日韩国产mv在线观看视频| 国产福利在线免费观看视频| 国产69精品久久久久777片| 搡女人真爽免费视频火全软件| 日本欧美国产在线视频| 乱人伦中国视频| 在线观看三级黄色| 亚洲成av片中文字幕在线观看 | 亚洲精品国产av成人精品| 岛国毛片在线播放| 看免费av毛片| 久久鲁丝午夜福利片| 国产av国产精品国产| 久久精品人人爽人人爽视色| 久久久久精品性色| 观看av在线不卡| av在线老鸭窝| 亚洲情色 制服丝袜| 久久国产精品大桥未久av| 国产 精品1| 日本午夜av视频| 91成人精品电影| 亚洲欧洲精品一区二区精品久久久 | 91在线精品国自产拍蜜月| 精品国产露脸久久av麻豆| 少妇人妻精品综合一区二区| 亚洲av成人精品一二三区| 免费人成在线观看视频色| 黄色怎么调成土黄色| 国产有黄有色有爽视频| 秋霞在线观看毛片| 亚洲伊人久久精品综合| 国产成人午夜福利电影在线观看| 91精品国产国语对白视频| 亚洲欧美精品自产自拍| 亚洲精品中文字幕在线视频| 日韩三级伦理在线观看| 亚洲,欧美,日韩| 婷婷色综合www| 久久99精品国语久久久| 国产亚洲精品第一综合不卡 | 人人妻人人澡人人爽人人夜夜| 国产精品久久久久成人av| 超色免费av| 久久精品国产亚洲av天美| 男女边吃奶边做爰视频| 看十八女毛片水多多多| 最近2019中文字幕mv第一页| 搡女人真爽免费视频火全软件| h视频一区二区三区| 亚洲精品av麻豆狂野| 成人毛片60女人毛片免费| 如何舔出高潮| 日韩av免费高清视频| 精品少妇黑人巨大在线播放| 欧美国产精品va在线观看不卡| 91aial.com中文字幕在线观看| 免费黄频网站在线观看国产| 在线观看国产h片| 精品国产一区二区三区久久久樱花| 亚洲精品成人av观看孕妇| www.色视频.com| 18+在线观看网站| 久久精品国产综合久久久 | 精品99又大又爽又粗少妇毛片| 少妇的逼好多水| 亚洲中文av在线| 最近2019中文字幕mv第一页| 精品久久久久久电影网| 日韩在线高清观看一区二区三区| 久久午夜福利片| 日产精品乱码卡一卡2卡三| 涩涩av久久男人的天堂| 黑人欧美特级aaaaaa片| 制服丝袜香蕉在线| 女的被弄到高潮叫床怎么办| 色哟哟·www| 成人亚洲精品一区在线观看| 亚洲精品成人av观看孕妇| 日日撸夜夜添| 欧美激情国产日韩精品一区| 亚洲精品日本国产第一区| 最黄视频免费看| 午夜免费观看性视频| 大片免费播放器 马上看| 这个男人来自地球电影免费观看 | 久久人人97超碰香蕉20202| 黑人猛操日本美女一级片| 免费高清在线观看日韩| 国产亚洲一区二区精品| 中国三级夫妇交换| 亚洲精品美女久久av网站| 国产精品一区www在线观看| 国产麻豆69| 尾随美女入室| 国产精品嫩草影院av在线观看| 最黄视频免费看| 考比视频在线观看| 性色avwww在线观看| 午夜av观看不卡| 亚洲丝袜综合中文字幕| 国产免费一区二区三区四区乱码| 日本与韩国留学比较| 国产色婷婷99| 热re99久久国产66热| 久久99精品国语久久久| 国产免费又黄又爽又色| 国产成人a∨麻豆精品| 亚洲av国产av综合av卡| 少妇精品久久久久久久| 中文字幕av电影在线播放| 91午夜精品亚洲一区二区三区| 涩涩av久久男人的天堂| 亚洲精品久久午夜乱码| 久久久亚洲精品成人影院| 精品亚洲成a人片在线观看| 天美传媒精品一区二区| 国产永久视频网站| 亚洲av在线观看美女高潮| 免费大片18禁| 欧美精品人与动牲交sv欧美| 新久久久久国产一级毛片| 亚洲精品久久午夜乱码| 久久免费观看电影| 丝袜喷水一区| 啦啦啦中文免费视频观看日本| 一级,二级,三级黄色视频| 久久久国产欧美日韩av| 日日爽夜夜爽网站| 18在线观看网站| 国产免费又黄又爽又色| 99久久综合免费| 日本av免费视频播放| 一区二区日韩欧美中文字幕 | 久久久国产精品麻豆| 丰满饥渴人妻一区二区三| 九色成人免费人妻av| 国产av精品麻豆| 欧美3d第一页| 国国产精品蜜臀av免费| 狠狠婷婷综合久久久久久88av| 狠狠精品人妻久久久久久综合| 中国国产av一级| 精品福利永久在线观看| 乱码一卡2卡4卡精品|