基于聚类变分自编码器的协同过滤算法

• 作者: 叶春明 韩浩先
• 来源期刊: 计算机系统应用
• 关键词: 推荐系统 协同过滤 深度生成模型 变分自编码器 聚类
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 软件技术·算法
• 页码范围: 162-167
• 页数: 6页
• 字数: 3836字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.007088

摘要

针对协同过滤推荐模型的数据稀疏性问题,提出一种带有聚类隐变量的变分自编码器,用于处理用户的隐式反馈数据.该深度生成模型既能学习到隐变量的特征分布,同时又能完成对特征的聚类.先以多项式似然来重构原始数据,再用贝叶斯变分推断估计参数,并且将正则化系数引入到模型当中,通过调节其大小能够避免过度正则化,使模型的拟合效果更好.这种非线性的概率模型对缺失评分的预测有更好的建模能力.在MovieLens的三个数据集上的实验结果表明,该算法相比较于其他先进的基线有更优秀的推荐性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	叶春明	上海理工大学管理学院	425	3663	28.0	42.0
2	韩浩先	上海理工大学管理学院	1	1	1.0	1.0