文件名称：论文研究-基于集成学习的个性化推荐算法.pdf
文件大小：628KB
文件格式：PDF
更新时间：2022-09-30 17:24:08
论文研究
在2009年结束的Netflix推荐大赛中，由于*参赛小组均使用集成学习算法，使得基于Bagging和Stacking的Ensemble方法得到了广泛的关注，而基于Boosting的集成学习方法相对来说却无人问津。首先分析了基于Boosting的集成学习算法在分类问题中的优势，以及在推荐问题上的缺陷。通过对用户评分矩阵的简化和分解，将问题转换为简单的分类问题，使得Boosting的集成学习算法能够应用到推荐问题中，提出了基于KNN的集成学习推荐算法，通过集成多个不同的相似度计算方法来提高最终的推荐准确率。在大规模真实数据集上的实验说明，基于Boosting的学习框架可以较大提升单个推荐算法的性能。