ICDM2014——LorSLIM: Low Rank Sparse Linear Methods for Top-N Recommendations

 

在本文中,作者提到稀疏低秩矩阵通常是在上下文协同过滤分析的应用中出现,这些应用的基础图就是是块对角邻接矩阵。因此,作者提出了一个新的稀疏低秩矩阵线性方法(LorSLIM: Low Rank Sparse Linear Methods)来发现这些结构,并且应用这个模型提供推荐的精度。

准确地说,一个稀疏低秩聚集系数矩阵 W 是通过用LorSLIM方法求解l1和函数和正则优化核范数得到的。

作者还开发了一个高效的交流增强拉格朗日法(ADMM)解决优化问题。

作者对LorSLIM方法进行了全面的实验进行评价。实验结果表明,用这个方法得到的推荐质量比同类的state-of-the-art方法要好。

anyShare分享到:
This entry was posted in 教师, 新闻动态. Bookmark the permalink.

发表评论