改进的基于狄利克雷混合模型的推荐算法

作     者：董坚峰 张玉峰 戴志强 DONG Jian-feng;ZHANG Yu-feng;DAI Zhi-qiang

作者机构：吉首大学软件学院湖南张家界427000 中山大学管理学院广州510275 3武汉大学信息资源研究中心武汉430072 

基　　金：国家自然科学基金项目(71373197) 湖南省哲学社会科学基金项目(14YBA318) 湖南省教育厅优秀青年项目(17B221) 

出 版 物：《吉林大学学报（工学版）》 (Journal of Jilin University:Engineering and Technology Edition)

年 卷 期：2018年第48卷第2期

页      码：596-604页

摘      要：数据动态性在设计推荐算法过程中不能忽略。针对大多数传统型静态文本建模方法主要基于可交换性的基本假设,对数据在协变量空间上的依赖关系有所忽略的问题,本文提出了一种新的主要基于函数式DPM模型过程动态推荐模型。该模型对传统DPM混合模型在动态数据建模方面的问题进行了改进。创建了相关狄利克雷过程的参数与协变量空间联系,且狄利克雷过程仍然属于边际分布。应用函数式狄利克雷过程,可针对产生、消失以及参数改变的混合模型组件进行有效建模,并可作为动态先验融入非参数混合模型。仿真实验结果表明,与应用传统狄利克雷过程做先验的话题模型相比,本文算法优势更加明显。

主 题 词：计算机系统结构 DPM模型 动态数据 吉布斯采样 折叠采样推演算法 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 08[工学] 081201[081201] 0812[工学-测绘类] 

核心收录：

D　O　I：10.13229/j.cnki.jdxbgxb20161325

馆 藏 号：203282445...