论文部分内容阅读
SVD++算法由于其能够融入评分信息和隐式信息得到了广泛的应用。SVD++算法中的模型参数可以通过随机梯度下降或者最小二乘法得到最佳参数。但是SVD++中的超参数需要手动选取,而超参数会极大影响SVD++模型的准确度。本文使用两个常见的数据集,并且选取了不同的训练集-测试集切割比,使用随机梯度下降算法,对SVD++中的两个超参数学习步长和规则化参数进行研究,选用评分指标中应用最广的三个评测指标RMSE、MAE、MSE,分别得到了效果最好的超参数值。同时通过实验,本文得到了超参数对SVD++算法影响规律和一系列结论,对SVD++算法在其他数据上如何选取最好超参数值有参考意义。