Matlab中的GPMF-GBP-AAAI-20代码：带有图基先验的可扩展概率矩阵分解演示系统

简介：
这段简介描述了一个在MATLAB环境下运行的名为GPMF-GBP的代码项目，该代码实现了具有Tukey先验的可扩展概率矩阵分解，并被提交至AAAI会议。它提供了一套用于研究和教学的概率矩阵分解系统的工具与示例。 该MATLAB代码用于演示实验，并使用带有附加信息的Movielens100k数据集来支持论文《具有基于图的先验的概率矩阵分解》（Strahl, J., Peltonen, J., Mamitsuka, H. & Kaski, S. (2020)）。我们的方法是基于图的先验概率矩阵分解（GPMF），根据用户的人口统计信息和电影的体裁信息，估算了Movielens数据集中未观察到的评分。通过用作正则化的特征边信息创建一个kNN图。 首先，使用不附带任何额外信息的标准PMF方法初始化潜在特征。接下来，在算法的M步中，确定图中潜在特征向量之间的相关性有争议（不一致）的边：如果两个潜在特征具有负相关，则图中的边将受到竞争，并因此被删除。 最后，在E步骤中运行GRALS算法时，会从图中移除这些存在争议的边并更新图。特别感谢Fattahi, Salar，Richard Y. Zhang 和 Somayeh Sojoudi 对高斯样本生成的帮助。