基于深度神经网络和改进相似性度量的推荐算法

• 作者: 邹锋
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 协同过滤 推荐系统 相似性度量 自编码器 深度神经网络 显式反馈
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 算法
• 页码范围: 286-293,300
• 页数: 9页
• 分类号: TP391
• 字数: 7127字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2019.11.046

摘要

为了提高协同过滤推荐系统对于稀疏数据的推荐效果,提出一种基于深度神经网络和改进相似性度量的推荐算法.分析普通Jaccard相似性度量指标处理稀疏数据集的不足之处,对Jaccard相似性提出改进方案.设计交互的两个自编码器,一个自编码器利用显式反馈数据分析用户对于项目的偏好,其优化目标为最小化重建误差和正则成对排列损失;另一个自编码器利用隐式反馈数据分析用户对于项目的潜在偏好,其学习目标是采样数据集的负项集,利用隐式反馈数据增强显式反馈自编码器的学习效果.基于不同规模稀疏数据集的实验结果显示,该算法有效地增强了稀疏数据集的推荐准确率,实现了合理的推荐效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邹锋	广州商学院信息技术与工程学院	2	2	1.0	1.0