一种基于自适应学习率的推荐优化算法模型_熊彬

在预测推荐系统中用户和项目构成的高维稀疏矩阵中的缺失值时,通常采用随机梯度下降算法对构造的隐因子(LF)模型进行求解,由于在求解过程中,学习速率始终保持不变,这使得在模型训练过程中模型的性能有所损失。因此,本文将构造一种带有自适应学习率的随机梯度下降算法的LF模型(ADALF)来处理推荐系统中的高维稀疏矩阵。采用大型工业数据集对模型进行实验测试,结果表明,采用ADASGD算法构建的LF模型在收敛速率、预测精度上都有明显提升,提高了模型的性能。

  • 2021-05-06
  • 收藏0
  • 阅读163
  • 下载0
  • 7页
  • pdf
  • 1.95M

评价

评分 :
   *