Earticle

현재 위치 Home

Application and Research of Improved Probability Matrix Factorization Techniques in Collaborative Filtering

첫 페이지 보기
  • 발행기관
    보안공학연구지원센터(IJCA) 바로가기
  • 간행물
    International Journal of Control and Automation SCOPUS 바로가기
  • 통권
    Vol.7 No.8 (2014.08)바로가기
  • 페이지
    pp.79-92
  • 저자
    Zhijun Zhang, Hong Liu
  • 언어
    영어(ENG)
  • URL
    https://www.earticle.net/Article/A230104

※ 원문제공기관과의 협약기간이 종료되어 열람이 제한될 수 있습니다.

원문정보

초록

영어
The matrix factorization algorithms such as the matrix factorization technique (MF), singular value decomposition (SVD) and the probability matrix factorization (PMF) and so on, are summarized and compared. Based on the above research work, a kind of improved probability matrix factorization algorithm called MPMF is proposed in this paper. MPMF determines the optimal value of dimension D of both the user feature vector and the item feature vector through experiments. The complexity of the algorithm scales linearly with the number of observations, which can be applied to massive data and has very good scalability. Experimental results show that MPMF can not only achieve higher recommendation accuracy, but also improve the efficiency of the algorithm in sparse and unbalanced data sets compared with other related algorithms.

목차

Abstract
 1. Introduction
 2. Related Work
 3. The Definition of Fundamental Matrix Factorization Model
 4. The Improved Probability Matrix Factorization Algorithm
  4.1. The Traditional Recommendation Algorithm model-PMF
  4.2. Improved Probability Matrix Factorization Algorithm—MPMF
 5. Dataset and Metrics
  5.1. Experiment Environment
  5.2. Dataset
  5.3. Metrics
 6. Experimental Analysis
  6.1. Experiment Scheme
  6.2. The Impacts of Dimension D on Running Time of PMF
  6.3. Comparison of RMSE in Training Set and Testing Set
  6.4. Impacts of Dimension D on Recommendation Precision
  6.5. Comparison of Recommendation Accuracy
  6.6. Analysis of Time Complexity of MPMF
 7. Conclusion
 Acknowledgements
 References

키워드

Matrix Factorization Collaborative Filtering Recommendation system SVD PMF

저자

  • Zhijun Zhang [ School of Information Science and Engineering, Shandong Normal University, Shandong Provincial Key Laboratory for Novel Distributed Computer Software, School of Computer Science and Technology, Shandong Jianzhu University, Jinan，Shandong, 250101, China ]
  • Hong Liu [ School of Information Science and Engineering, Shandong Normal University, Shandong Provincial Key Laboratory for Novel Distributed Computer Software Jinan, Shandong, 250014, China ]

참고문헌

자료제공 : 네이버학술정보

간행물 정보

발행기관

  • 발행기관명
    보안공학연구지원센터(IJCA) [Science & Engineering Research Support Center, Republic of Korea(IJCA)]
  • 설립연도
    2006
  • 분야
    공학>컴퓨터학
  • 소개
    1. 보안공학에 대한 각종 조사 및 연구 2. 보안공학에 대한 응용기술 연구 및 발표 3. 보안공학에 관한 각종 학술 발표회 및 전시회 개최 4. 보안공학 기술의 상호 협조 및 정보교환 5. 보안공학에 관한 표준화 사업 및 규격의 제정 6. 보안공학에 관한 산학연 협동의 증진 7. 국제적 학술 교류 및 기술 협력 8. 보안공학에 관한 논문지 발간 9. 기타 본 회 목적 달성에 필요한 사업

간행물

  • 간행물명
    International Journal of Control and Automation
  • 간기
    월간
  • pISSN
    2005-4297
  • 수록기간
    2008~2016
  • 십진분류
    KDC 505 DDC 605

이 권호 내 다른 논문 / International Journal of Control and Automation Vol.7 No.8

    피인용수 : 0건 (자료제공 : 네이버학술정보)

    함께 이용한 논문 이 논문을 다운로드한 분들이 이용한 다른 논문입니다.

      출처 : 네이버학술정보

        0개의 논문이 장바구니에 담겼습니다.

        페이지 저장
        소속기관 조회
        이용자님의 소속기관(단체)이 서비스에 가입되어 있는지 확인해 보십시오.
        기관회원에 소속되어 있는 이용자는 원문을 무료로 이용할 수 있습니다.