协同过滤基于非负/二值矩阵分解

协同过滤通过利用基于评分数据的用户-物品相似性来生成推荐，这些数据通常包含大量未评分项。为预测未评分项的分数，常采用矩阵分解技术，如非负矩阵分解（NMF）。非负/二值矩阵分解（NBMF）作为NMF的扩展，将非负矩阵近似为非负矩阵和二值矩阵的乘积。虽然先前研究主要将NBMF应用于图像等密集数据，但本文提出了一种改进的NBMF算法，专门用于稀疏数据的协同过滤。

在改进方法中，评分矩阵中的未评分项被掩码处理，从而提高了预测准确性。此外，在NBMF中利用低延迟伊辛机在计算时间方面具有优势，使得所提出的方法更具实用价值。

评论：12页，8张图表