• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>IFAC Symposium on Telematics Applications >Binary Matrix Factorization applied to Netflix dataset analysis
【24h】

Binary Matrix Factorization applied to Netflix dataset analysis

机译：二进制矩阵分解应用于Netflix数据集分析

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In this paper we aim at assessing the potential of Binary Matrix Factorization (BMF) in the implementation of recommendation systems, by analyzing a Netflix dataset. In particular, we study the explanatory power and the prediction capability of a particular BMF algorithm based on a post non-linear mixture model, namely the Post NonLinear Penalty Function (PNL-PF) algorithm. Unlike the majority of BMF methods, PNL-PF is capable of efficiently handling the difficult case of correlated rank-1 binary terms. We show that BMF represents an interesting alternative to classical matrix factorization methods in terms of explanatory power and prediction capability.
机译：在本文中，我们的目的是通过分析Netflix数据集来评估建议系的二进制矩阵分子（BMF）的潜力。特别地，我们研究了基于后线性混合模型的特定BMF算法的解释性和预测能力，即后非线性损失功能（PNL-PF）算法。与大多数BMF方法不同，PNL-PF能够有效地处理困难的秩序级别的二进制术语。我们表明BMF代表了在解释性功率和预测能力方面对经典矩阵分子化方法的有趣替代方案。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号