基于深度神经网络和概率矩阵分解的混合推荐算法

• 作者: 孙界平 王霞 琚生根 胡思才
• 来源期刊: 四川大学学报（自然科学版）
• 学科: 工学
• 关键词: 混合推荐 矩阵分解 神经网络 特征向量 卷积
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 计算机科学
• 页码范围: 1033-1041
• 页数: 9页
• 分类号: TP391
• 字数: 7782字
• 语种: 中文
• DOI: 10.3969/j.issn.0490-6756.2019.06.008

摘要

针对个性化推荐中用户和项目描述信息未充分利用,用户评分矩阵数据集极端稀疏的情况,提出了基于深度神经网络和概率矩阵分解(PMF)的混合推荐算法.首先,对用户和项目描述信息进行预处理,形成包含用户偏好特征的用户和项目特征集,再将各特征输入深度神经网络模型中进行训练.同时,利用概率矩阵分解模型,根据用户评分矩阵通过最大后验估计优化得到潜在特征向量;然后,通过对概率矩阵分解模型的用户和项目潜在特征向量以及深度神经网络模型的真实特征向量进行迭代更新,收敛得到融合用户和项目真实信息的潜在特征向量;最后,利用该特征向量对用户进行个性化推荐.实验证明,本文算法较经典推荐算法以及前人算法在均方误差与平均绝对误差指标上均有改善,说明本文算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王霞	四川大学计算机学院	107	441	11.0	15.0
2	孙界平	四川大学计算机学院	15	91	6.0	9.0
3	琚生根	四川大学计算机学院	72	460	11.0	16.0