论文部分内容阅读
为了解决推荐系统的鲁棒性和重构精度问题,文中提出半监督偏好学习算法,通过偏好学习获得潜在偏好,实现推荐.使用l 2,1范数作为优化目标函数的正则项,消除噪声和异常点.采用图的拉普拉斯调节整合用户-项目矩阵的单边信息,实现多图融合,提高推荐精度.在Movielens 10M数据集和Netflix数据集上的实验验证文中算法精度较高、速度较快、鲁棒性较高.