基于KL散度的ALS推薦算法

打開文本圖片集

摘要：針對傳統(tǒng)協(xié)同過濾推薦算法在稀疏數(shù)據(jù)上推薦準確度低的問題，提出一種基于KL散度的ALS推薦算法KL-ALS。傳統(tǒng)ALS算法計算物品相似度時只考慮了用戶之間的共同評分項，得到的相似性與真實值會有一定的誤差，而采用KL散度計算物品相似度時，對用戶評論的數(shù)量不做任何限制，不依賴于用戶共同評分項。KL-ALS算法首先將ALS算法計算物品相似度和KL散度計算的物品相似度按照一定權重混合，產(chǎn)生總體相似度，進而采用ALS算法訓練模型，能夠更加準確地度量物品間的相似度，改善推薦效果。（剩余6341字）