一种基于支持向量机回归的推荐算法

被引：13

作者：

王宏宇

糜仲春

梁晓艳

叶跃祥

机构：

[1] 中国科学技术大学管理学院

来源：

中国科学院研究生院学报 | 2007年 / 06期

关键词：

推荐系统; 支持向量机回归; 基于内容的推荐;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

随着电子商务的迅速发展,推荐系统与算法已经成为理论研究的热点.支持向量机是一种强大的分类工具,由其衍生出的支持向量机回归方法能很好地解决非线性回归问题.以电影推荐为例,引入支持向量机回归方法来分析项目的内容,构建用户模型,进而给出推荐.实验结果和理论分析表明,这种推荐算法与传统协同过滤算法相比,能够明显提高推荐精度,并显著缩短了推荐所需时间;在大样本量情况下也能同样高效.

引用

页码：742 / 748

页数：7

共 5 条

[1] A Maximum Entropy Approach for Collaborative Filtering[J] . John Browning,David J. Miller.The Journal of VLSI Signal Processing . 2004 (2)
[2] A tutorial on support vector regression
Smola, AJ
Schölkopf, B
[J]. STATISTICS AND COMPUTING, 2004, 14 (03) : 199 - 222
[3] E-Commerce Recommendation Applications[J] . J. Ben Schafer,Joseph A. Konstan,John Riedl.Data mining and knowledge discovery . 2001 (1-2)
[4] USING COLLABORATIVE FILTERING TO WEAVE AN INFORMATION TAPESTRY
GOLDBERG, D
NICHOLS, D
OKI, BM
TERRY, D
[J]. COMMUNICATIONS OF THE ACM, 1992, 35 (12) : 61 - 70
[5] Hybrid recommendation:Combining content-based prediction and collaborative filtering. Rojsattarat Soonthornphisaj. Intelligent Data Engineering and Automated Learning . 2003

← 1 →