一种基于多正则化参数的矩阵分解推荐算法
来源：计算机工程与应用杂志2017年第3期北京时间：
作者：张 航，叶东毅
单位：福州大学 数学与计算机科学学院，福州 350108
摘要：基于梯度下降矩阵分解模型的协同过滤推荐算法需要利用正则化技术对问题加以约束。损失函数中的正则化参数能够提高模型的预测精度，防止训练过拟合，并可以在二者间调节，使二者平衡。提出了一种多正则化参数的方法，根据用户的活跃度或者项目的流行度确定正则化参数的值，能在不同评分数量的用户或者项目上防止训练过拟合，同时可以得到更好的预测精度。实验结果验证了算法的正确性和有效性。
关键词：推荐系统,协同过滤,概率矩阵分解,正则化参数
