栈式降噪自编码器的标签协同过滤推荐算法

• 作者: 刘亮 张薇 杨沪沪 郑德原 霍欢 高丽萍
• 来源期刊: 小型微型计算机系统
• 学科: 工学
• 关键词: 推荐系统 协同过滤 深度学习 栈式降噪自编码器
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 人工智能与算法研究
• 页码范围: 7-11
• 页数: 5页
• 分类号: TP181
• 字数: 4784字
• 语种: 中文

摘要

协同过滤推荐和基于内容的推荐是目前应用于推荐系统中的两种主流手段.传统的协同过滤模型存在着矩阵稀疏问题,基于内容的推荐又不能自动抽取深层特征,且两种推荐手段很难直接融合在一起,无法共同提升推荐系统的性能表现.充分利用了深度学习模型能够深度挖掘内容隐藏信息的特性,将栈式降噪自编码器(SDAE)运用于基于内容的推荐模型中,并将其与基于标签的协同过滤算法结合在一起,提出DLCF(Deep Learning for Collaborative Filtering)算法.经过真实数据集的验证,DLCF算法能够很大程度上克服矩阵稀疏问题,在性能上优于传统推荐算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高丽萍	上海理工大学光电信息与计算机工程学院	53	147	7.0	8.0
5	霍欢	上海理工大学光电信息与计算机工程学院	36	123	6.0	9.0
7	刘亮	上海理工大学光电信息与计算机工程学院	9	41	4.0	6.0
10	杨沪沪	上海理工大学光电信息与计算机工程学院	2	25	2.0	2.0
11	郑德原	上海理工大学光电信息与计算机工程学院	2	25	2.0	2.0