基于自动编码器的协同过滤推荐算法

• 作者: 俞晨光 朱允斌 金城 陆斐
• 来源期刊: 微型电脑应用
• 学科: 工学
• 关键词: 协同过滤 自动编码器 推荐系统
• 年，卷（期）: 2015,（11）
• 页码范围: 18-23
• 页数: 6页
• 分类号: TP3
• 字数: 8839字
• 语种: 中文

摘要

针对在评分数据稀疏时，基于近邻的协同过滤算法的相似性度量不准确，以及存储相似性矩阵需要巨大空间的问题，提出一种基于自动编码器的协同过滤算法。首先，使用改进后的自动编码器无监督地学习用户行为，将高维、稀疏的用户行为压缩成低维、稠密的用户特征向量，然后，将用户的特征向量转换为二进制码，并以汉明距离作为用户相似性的度量，最后，基于用户间的相似性生成推荐物品列表。在MovieLens10M数据集上的结果表明，在解决隐式反馈行为下的TopN推荐问题时，该算法与现有的协同过滤算法相比，不仅能大大减少模型训练的空间开销，而且在推荐结果的覆盖率、新颖性上有大幅提升。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	金城		12	50	5.0	7.0
3	朱允斌		6	18	2.0	4.0
5	俞晨光		1	7	1.0	1.0
13	陆斐		1	7	1.0	1.0