基于非负矩阵分解的Slope One算法

董立岩,金佳欢,方塬程,王越群,李永丽,孙铭会

Slope One algorithm based on nonnegative matrix factorization

Li-yan DONG,Jia-huan JIN,Yuan-cheng FANG,Yue-qun WANG,Yong-li LI,Ming-hui SUN

表 4

Tab.4

输入：较稀疏的用户-项目矩阵 R（m×n）；目标用户 u，目标项目 i，ks 为特征属性个数，steps 为迭代次数，a=0.000 2 为梯度下降常数，b=0.02 用来控制用户特征向量和条目特征向量的比例，用来进行规范化，防止过拟合. 输出：u对itemi的预测评分pu，i 1　for step<steps//迭代次数 2　　for i<len（R） 3　　　for j<len（R[i]） 4　　　　if R[i，j]>0//用户给定评分 5　　　　　 eij=R[i，j]−P[i，j]·Q[i，j] 6　　　　　for k<ks 7　　　　　　 P[i][k]=P[i][k]+a（2eijQ[k][j]−bP[i][k]） 8　　　　　　 Q[k][j]=Q[k][j]+a（2eijP[i][k]−bQ[k][j]） 9　　　　　end for 10　　　　end if 11　　　end for 12　　end for 13　　式（7） 14　end for 15　根据式（8）构建不同用户的相似度矩阵 16　 Nu ← TopK（u） 17　 N=|Nu| 18　 ${\rm{de{v}}}_{i,j} = \frac{{\mathop \sum \limits_{{\rm{user}} \in {N_u}} \left( {{R_{ui}} - {R_{uj}}} \right)}}{N}$ 19　 ${p_{u,i}} = \frac{{\mathop \sum \limits_{j \in {I_u}} {N_{ij}}\left( {{\rm{de{v}}}_{i,j} + {R_{uj}}} \right)}}{{\mathop \sum \nolimits_{j \in {I_u}} {N_{ij}}}}$