基于融合卷积神经网络的协同过滤模型

• 作者: 杨锡慧
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 推荐系统 评分预测 卷积神经网络 协同过滤 矩阵分解
• 年，卷（期）: 2017,（12）
• 所属期刊栏目: 软件理论与方法
• 页码范围: 44-48
• 页数: 5页
• 分类号: TP301
• 字数: 5752字
• 语种: 中文
• DOI: 10.11907/rjdk.172511

摘要

在传统推荐系统中,通常基于协同过滤推荐算法挖掘评分中的隐含特征,但在实际应用中,评分矩阵往往十分稀疏,很难充分地表示用户偏好特征与物品描述特征.为了充分挖掘评论文本中的隐含特征,并在一定程度上缓解数据稀疏性问题,提出一种深度协同过滤模型(CFiCNN):融合卷积神经网络的协同过滤模型.该模型利用卷积神经网络抽取用户-物品评论数据中的隐含特征,基于协同过滤的矩阵分解方法,进行评分预测.在4个真实数据集上对该模型进行了评估实验,并与3个常用模型进行对比.实验结果表明,该模型能够很好地抽取到用户与物品的隐含特征,并且进行更准确的评分预测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨锡慧		6	26	3.0	5.0