融合元数据及隐式反馈信息的多层次联合学习推荐方法

• 作者: 张全贵 李志强 王星 蔡丰
• 来源期刊: 计算机应用研究
• 关键词: 元数据 隐式反馈 多层次深度联合学习 个体个性化 群体共性化
• 年，卷（期）: 2018,（12）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 3635-3639
• 页数: 5页
• 分类号: TP391.1
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2018.12.025

摘要

针对隐式数据单纯利用隐反馈信息往往难以获取较好推荐性能的问题,提出一种融合元数据及隐式反馈信息的多层次深度联合学习(multi-level deep joint learning,MDJL)推荐方法.它利用双深度神经网络共同学习,其中一个网络利用隐式反馈学习用户及项目个体个性化关系,另一个网络利用元数据学习高层次群体共性化关系,从而有效地表达用户偏好,使MDJL框架在个体及群体因素间达到平衡.最后,MDJL推荐算法在Mov-ieLens 100K和MovieLens 1M两个公开数据集上进行实验评估.结果表明,该算法比其他基线方法表现出了更为优越的推荐性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张全贵	辽宁工程技术大学电子与信息工程学院	28	154	7.0	11.0
2	王星	辽宁工程技术大学电子与信息工程学院	27	164	8.0	12.0
3	李志强	辽宁工程技术大学电子与信息工程学院	10	48	3.0	6.0
4	蔡丰	辽宁工程技术大学电子与信息工程学院	2	1	1.0	1.0