论文部分内容阅读
之前有关协同排序算法的研究没有充分利用数据集中信息的问题,要么只侧重于研究显式评分数据,要么只侧重于研究隐式评分数据,目前还没有人运用排序学习的思想把二者结合起来进行研究。针对之前研究的不足,在最新的扩展的少即是好协同过滤(x CLi MF)模型和最经典的变形的奇异值分解(SVD++)算法的基础上,提出了一种融合显/隐式反馈的协同排序算法MERR_SVD++来直接优化排序学习的评价指标ERR。在实际数据集上实验验证,与经典的x CLi MF、Cofi排序(CofiRank)、PopRec、Rando