一种基于正规化矩阵因式分解的增量协同过滤推荐方法

摘要

基于正规化矩阵因式分解的增量协同过滤推荐方法：基于规范化正规化矩阵因式分解模型的输入顺序无关性改进：基于正规化矩阵因式分解的隐向量模型中，提出与训练实例输入顺序无关的模型；隐特征向量的增量更新：对隐特征向量在每轮训练中的增量数学表达式进行分析，提出了隐特征向量的增量更新规则；整合线性偏差的增量更新：整合了能够增量更新的统计观测偏差。本发明能够以增量更新的方式，反映新增用户反馈信息对推荐结果的影响。在不重建整个推荐模型的前提下，本方法根据新增的用户反馈信息进行正确的增量实时更新，能够对新增的用户反馈数据做出实时反馈。

主权项

一种基于正规化矩阵因式分解的增量协同过滤推荐方法，其特征在于：能够以增量更新的方式，正确反映新增用户反馈信息对推荐结果的影响，步骤如下：(1)基于正规化矩阵因式分解模型的输入顺序无关性改进：在基于正规化矩阵因式分解的隐向量模型中对隐特征向量的训练过程进行分析，并以简化隐特征向量训练规则为目的，提出与训练实例输入顺序无关的、基于正规化矩阵因式分解的隐向量模型；(2)隐特征向量的增量更新：以输入顺序无关性模型为基础，对隐特征向量在每轮训练中的增量数学表达式进行分析，提出隐特征向量的增量更新规则；(3)整合线性偏差的增量更新：整合能够增量更新的统计观测偏差。