基于降噪自编码器网络与词向量的信息推荐方法

• 作者: 席耀一 郭喻栋 郭志刚
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 信息推荐 神经网络 降噪自编码器 词向量 参数冷启动
• 年，卷（期）: 2017,（12）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 173-178
• 页数: 6页
• 分类号: TP393
• 字数: 5536字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2017.12.032

摘要

基于降噪自编码器的推荐方法缺乏对项目共现关系的分析能力,且模型存在参数冷启动问题.为此,基于降噪自编码器网络与词向量,提出一种信息推荐方法.将用户看作文档,将用户评价过的项目看作词语,以此构建训练语料.利用词向量模型对语料进行训练,得到隐含上下文信息的项目向量.将所有项目向量作为初始权重构建降噪自编码器神经网络,训练得到模型参数.通过模型预测用户评分完成top-N推荐.在标准数据集上的实验结果表明,该方法能提高推荐准确率,训练速度优于降噪自编码、奇异值矩阵分解和协同过滤推荐方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭志刚	解放军信息工程大学信息系统工程学院	11	132	5.0	11.0
2	席耀一		5	13	3.0	3.0
3	郭喻栋	解放军信息工程大学信息系统工程学院	1	1	1.0	1.0