基于深度学习的混合兴趣点推荐算法

• 作者: 冯浩 刘东华 宋成芳 李晶 高榕 黄坤
• 来源期刊: 电子与信息学报
• 学科: 工学
• 关键词: 推荐算法 兴趣点 矩阵分解 神经网络 深度学习
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 论文
• 页码范围: 880-887
• 页数: 8页
• 分类号: TP311
• 字数: 4952字
• 语种: 中文
• DOI: 10.11999/JEIT180458

摘要

针对现有兴趣点推荐的初始化和忽视评论信息语义上下文信息的问题,将深度学习融入推荐系统中已经成为兴趣点推荐研究的热点之一.该文提出一种基于深度学习的混合兴趣点推荐模型(MFM-HNN).该模型基于神经网络融合评论信息与用户签到信息来提高兴趣点推荐的性能.具体地,利用卷积神经网络学习评论信息的特征表示,利用降噪自动编码对用户签到信息进行初始化.进而,基于扩展的矩阵分解模型融合评论信息特征和用户签到信息的初始值进行兴趣点推荐.在真实签到数据集上进行实验,结果表明所提MFM-HNN模型相比其他先进的兴趣点推荐具有更好的推荐性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李晶	武汉大学计算机学院	92	1000	19.0	28.0
2	冯浩		10	71	4.0	8.0
3	黄坤		23	167	7.0	12.0
4	宋成芳	武汉大学计算机学院	10	93	3.0	9.0
5	高榕	武汉大学计算机学院	10	121	7.0	10.0
6	刘东华	武汉大学计算机学院	1	7	1.0	1.0