ارائه یک الگوریتم فاکتورسازی پیش تخمین برای بهبود دقت سیستم های پالایش گروهی

فاکتورسازی ماتریسMF یکی از کاراترین روش های پالایش گروهی CF برای تخمین رتبه کاربران است، که به دلیل مقیاس پذیری و دقت بالا مورد توجه قرار گرفته است. اکثر الگوریتم های مبتنی بر فاکتورسازی ماتریس، تنها از رتبه های موجود درآیه های مشخص استفاده می کنند، لذا قادر به کاهش تأثیر مشکل تنکی داده نیستند. درحالی که در کاربردهای واقعی، ماتریس رتبه ها تنک می باشد. کارایی الگوریتم های مبتنی بر فاکتورسازی ماتریس، به مدل طراحی شده، برای کاهش اثر تنکی ماتریس، وابسته است. در این مقاله قصد داریم یک الگوریتم جدید را با به کارگیری رتبه های پیش تخمین از درآیه های نامشخص برای افزایش کارایی سیستم ارائه نماییم. در ابتدا الگوریتم به روزرسانی ضرب شونده MULTبه طور خلاصه بیان می شود. سپس با توسعه الگوریتم MULT برای حل مساله حداقل مربعات، یک الگوریتم جدید با رتبه های پیش تخمین حاصل از درآیه های مشخص، به نام به روزرسانی ضرب شونده پیش تخمین PMULT ارائه می دهیم. آزمایشات بر روی مجموعه داده ی واقعی Jester نشان می دهد که الگوریتم پیشنهادی ما، در مقایسه با الگوریتم MULT و حداقل مربعات متناوب ALS دارای کارایی بهتری برای حل مشکل تنکی و دقت بیشتر برای مساله پالایش گروهی می باشد

کلیدواژه ها:

به روزرسانی ضرب شونده ، پالایش گروهی ، پیش تخمین ، تنکی ، فاکتورسازی ماتریس