QPR-NN:一种结合二次多项式回归与神经网络的推荐算法

• 作者: 于炯 刘炎 国冰磊 廖彬 张陶 李敏
• 来源期刊: 西安交通大学学报
• 关键词: 推荐算法 深度学习 特征提取 二次多项式回归
• 年，卷（期）: 2019,（9）
• 页码范围: 79-87,136
• 页数: 10页
• 分类号: TP391
• 语种: 中文
• DOI: 10.7652/xjtuxb201909011

摘要

针对传统推荐算法不能很好地适应数据高规模及高稀疏性的问题,结合深度学习数据建模的方法,提出了一种结合二次多项式回归与神经网络(QPR-NN)的推荐算法.在对已有特征提取方法缺陷分析的基础上,利用二次多项式回归模型将用户对物品的评分数据进行特征提取及降维,充分挖掘了用户与物品之间的相关性.将特征提取后的数据作为深度学习训练模型的输入,增加输入数据与训练模型之间的匹配度,并将训练得到的模型用于推荐评分预测.在MovieLens与Epinions两组数据集上的实验结果表明:QPR特征提取方法与QPR-NN推荐算法在平分绝对误差与均方根误差评价指标上均优于现有的主流算法,QPR-NN推荐算法可以有效提升推荐准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	于炯	新疆大学信息科学与工程学院	176	1315	20.0	28.0
2	廖彬	新疆财经大学丝路经济与管理研究院	34	172	8.0	10.0
6	张陶	新疆大学信息科学与工程学院	16	95	7.0	9.0
10	国冰磊	新疆大学信息科学与工程学院	21	90	6.0	8.0
11	刘炎	清华大学软件学院	10	43	5.0	6.0
12	李敏	新疆财经大学统计与数据科学学院	5	5	2.0	2.0