融合机器学习的加权Slope One算法
张玉连(1，2)，郇思思(1，3)，梁顺攀(1，2)
1（燕山大学 信息科学与工程学院，河北 秦皇岛066004）2（燕山大学 信息科学与工程学院计算机教学实验中心，河北 秦皇岛066004）3（河北省计算机虚拟技术与系统集成重点实验室，河北 秦皇岛066004）
Integrating Machine Learning into Weighted Slope One Algorithm
ZHANG Yu-lian(1，2)，HUAN Si-si(1，3)，LIANG Shun-pan(1，2)
1（Information Science and Engineering College，Yanshan University，Qinhuangdao 066004，China）2（The Basic Computer Teaching Experiment Center，Information Science and Engineering College，Yanshan University，Qinhuangdao 066004，China）3（The Key Laboratory for Computer Virtual Technology and System Integration of Hebei Province，Qinhuangdao 066004，China）
摘要 Slope One算法是一种基于内存的协同过滤推荐算法，在计算时，内存消耗过大，尤其当数据集稀疏时，预测结果的准确度不高.基于此，将一种基于模型的算法融合到基于内存的Slope One算法中，提出一种使用机器学习中最小二乘法改进的加权Slope One算法，该算法简单直观且计算高效，可以克服传统基于内存推荐算法的诸多缺点.最后，在Filmtrust和Movielens数据集上的对比实验结果表明，融合偏差因子的加权Slope One算法在这两个稀疏度不同的数据集下，均能获得较高的推荐准确度.
关键词 ：
协同过滤 ,
机器学习 ,
最小二乘法 ,
加权Slope One算法
Abstract ：Slope One algorithm is a memory-based collaborative filtering recommendation algorithm，but the algorithm′s memory consumption is too large，and prediction accuracy is low especially when the data set is sparse.Therefore，this paper puts forward integrate model and memory-based methods together，called improved weighted Slope One algorithm based on machine learning，the algorithm is intuitive and efficient，can overcome the traditional disadvantages of the memory-based recommendation algorithms.Finally，experiments on the well-known datasets Filmtrust and Movielens show that the biased integrating least squares technique into weighted Slope One algorithm in the case of different sparse datasets can both achieve great improvement of prediction accuracy.
Key words ：
collaborative filtering
machine learning
least squares technique
weighted Slope One algorithm
收稿日期: 2015-06-15
基金资助: 国家自然科学基金青年基金项目（51305383）资助；河北自然科学基金项目（F2011203219）资助；教育部博士点专项基金项目（20131333120007）资助.
作者简介 : 张玉连，女，1957年生，副教授，研究方向为个性化搜索引擎、网络信息检索、数据库技术等；郇思思，女，1991年生，硕士，研究方向为个性化推荐技术；梁顺攀，男，1976年生，博士研究生，副教授，研究方向为推荐系统、并联机器人控制.
引用本文:
张玉连(1，2)，郇思思(1，3)，梁顺攀(1，2). 融合机器学习的加权Slope One算法[J]. 小型微型计算机系统, 2016, 37(8): 1712-1716.
ZHANG Yu-lian(1，2)，HUAN Si-si(1，3)，LIANG Shun-pan(1，2). Integrating Machine Learning into Weighted Slope One Algorithm. Journal of Chinese Computer Systems, 2016, 37(8): 1712-1716.
链接本文:
http://xwxt.sict.ac.cn/CN/ 或 http://xwxt.sict.ac.cn/CN/Y2016/V37/I8/1712
[1]
陈露露,张岐山,朱猛. 融合灰关联分析和信任度的Slope One算法研究
[2]
陈梅梅,董晨光,王淇,戴伟辉. 兼顾用户话语权的改进加权Slope-One协同过滤推荐
[3]
杨旭华,陈孝则,王磊,许营坤,叶蕾,毛剑飞. 利用社区选举和链路预测的分类方法
[4]
邓乐乐,黄俊,岳春擂,. 融合项目流行度与用户间多相似度的协同过滤算法
[5]
邱连涛,李晓戈,胡飞雄,胡立坤,张东晨,马鲜艳,. 日志多维度无监督异常检测算法
[6]
王丽萍,傅攀,邱飞岳,陈宏. 融合评分相对差异的协同过滤推荐算法
[7]
周翔,翟俊海,黄雅婕,申瑞彩,侯璎真. 大数据环境下的投票特征选择算法
[8]
韩胜宝,伊华伟,李晓会,李波,景荣. 基于融合相似度和层次聚类的冷启动推荐算法
[9]
陈铁明,董航. 使用蚁群算法和深度强化学习的工业异常入侵检测
[10]
吕欢欢,马宏伟,王璐,杨东强. 文本幽默识别综述：从数据到方法
[11]
张亚明,高忠萍,高祎晴,刘海鸥,. 融合显隐式反馈的协同过滤推荐算法研究
[12]
曹鹤玲,刘昱,赵晨阳,王玉华. 程序缺陷自动修复研究进展及关键问题
[13]
周超,武友新. 三通道神经协同过滤算法
[14]
宇通,高建华. LightGBM融合CFS的开发者感知代码异味强度预测模型研究
[15]
王志文,刘广起,韩晓晖,左文波,吴晓明,王连海. 基于机器学习的恶意软件识别研究综述
2016, Vol. 37 
