基于张量方法的数据约简算法研究

青海 金, 祖根 晏

摘要


互联网时代收集了大量的用户使用网络的信息记录，对用户的网络使用行为进行分析是当前人工智能研究的一个热点。现有的推荐算法存在对用户的个性化推荐准确度不高和处理多路数据比较困难的不足，我们提出处理推荐系统典型的三路数据（用户、项目、评分）的统一架构，将这类数据用一个三阶张量表示，运用高阶奇异值分解技术对其进行隐含语义挖掘和降维，提出的算法具有较大的实用价值。

关键词


张量；降维；多路数据

全文:

PDF

参考


Turk M, Pentland A. Eigenfaces for recognition[J]. J Cogn Neurosci,1991,3(1):71-86.

Roweis S T, Saul L K. Nonlinear Dimensionality Reduction by Locally Linear Embedding[J]. Science, 2000,290(5500):2323-2326.

Silva V D, Tenenbaum J B. Global versus local methods in nonlinear dimensionality reduction[C]//Advances in neural information processing systems,2003(3):721-728.

Tenenbaum J B, Silva V D, Langford J C. A Global Geometric Framework for Nonlinear Dimensionality Reduction[J]. Science,2000,290(5500):2319-2323.

Vasilescu M A O, Terzopoulos D. Multilinear subspace analysis of image ensembles[C]//Computer Vision and Pattern Recognition, 2003. Proceedings. 2003 IEEE Computer Society Conference on. IEEE,2003(2):93.




DOI: https://doi.org/10.12346/csai.v1i3.7757

Refbacks

  • 当前没有refback。


版权所有（c）{$ COPYRIGHTYEAR} {$ copyrightHolder}

Creative Commons License
此作品已接受知识共享署名-非商业性使用-禁止演绎 4.0国际许可协议的许可。