我在根据项亮著作《推荐系统实践》第八章中的加入时间的矩阵分解模型做实验时，也就是timeSVD++。但是我遇到的问题是：数据集（2007年netflix比赛数据）如何处理。书上写的是把用户的评分时间从早到晚排序，取前90%作为训练集，后10%作为测试集。但是面对如此庞大的数据，还包括实验过程中要求每个用户的评分的平均时间、每个物品的评分的平均时间。这些涉及到大数据的预处理。本屌今年刚刚研一，没有数据挖掘的背景，也没有学过hadoop，实在想不出高效率的办法。希望大神能够相助
0条回答 默认 最新
- 2021-04-30 14:52传统的矩阵分解算法在时间上将全部训练数据作为整体进行计算以获得用户兴趣特征，忽略了用户兴趣漂移问题。针对此问题，提出一种基于状态空间模型和概率矩阵分解的推荐算法。首先将用户兴趣特征向量与用户评分数据的...
- 2022-11-25 13:15通过TrustSVD算法进行基于矩阵分解的商品推——数据集通过TrustSVD算法进行基于矩阵分解的商品推——数据集通过TrustSVD算法进行基于矩阵分解的商品推——数据集通过TrustSVD算法进行基于矩阵分解的商品推——数据集...
- 2021-01-27 19:36针对目前的电影推荐算法中，传统的矩阵分解算法对于用户的离散型评分数据集的数据利用率不高的问题，提出基于二项分布的矩阵分解算法的模型，在假定用户的评分数据是服从二项分布的前提下，利用最大后验估计学习得出...
- 2018-10-10 17:10推荐系统的lfm模型，通过矩阵分解的技术，使用训练集的数据拟合出空缺数据的分数
- 2019-07-22 20:07基于该方法，首先利用矩阵分解提取原始时序数据的特征，然后通过时序模型挖掘特征的趋势，最后根据预测的特征得到预测结果并进行推荐。实验结果表明，所提出的算法与已有的推荐算法相比，在均方根误差（root mean ...
- 2025-02-22 16:22
基于Spark与大数据的图书推荐系统：利用ALS协同过滤与矩阵分解，基于BookCrossing数据集精准推荐,基于Spark与大数据的图书推荐系统：利用ALS协同过滤与矩阵分解，基于BookCros基于Spark与大数据的图书推荐系统：利用ALS协同过滤与矩阵分解，基于BookCrossing数据集精准推荐,基于Spark与大数据的图书推荐系统：利用ALS协同过滤与矩阵分解，基于BookCrossing数据集实现精准推荐,基于spark的... - 2021-04-30 14:31为了解决这个问题，改进了基础的距离度量分解模型，提出了基于偏置度量分解与隐反馈的协同过滤推荐算法，并对用户评分时间动态建模，进一步提升了模型性能。针对推荐系统中最常见的评分预测任务，分别在三个数据集上...
- 2022-12-01 09:06"基于低秩矩阵分解的多输出回归模型在存在标签噪音的数据中的应用" 多输出回归模型是机器学习领域中的一个重要分支，它可以预测多个连续的标签。但是，在现实世界中，数据集的标签可能存在噪声，这将导致多输出回归...
- 2025-01-14 09:28deephub的博客 MFLE通过结合矩阵分解和时间序列分析的优势，为这类问题提供了一个有效的解决方案。通过对MFLE的深入理解和合理应用，可以在众多实际场景中获得良好的分析效果。未来随着算法的改进和计算能力的提升，MFLE的应用范围...
- 2025-04-03 09:15哦豁灬的博客 低秩分解（Low-rank Decomposition）是一种矩阵分解技术，旨在将一个矩阵分解为两个或多个矩阵的乘积，从而将高维数据压缩为低维表示，以减少参数量。在大模型中，权重矩阵通常非常大，尤其是在全连接层和注意力机制...
- 没有解决我的问题, 去提问
