基于混合自编码器的协同过滤推荐算法优化

• 作者: 付立军 刘俊明 张杰
• 来源期刊: 计算机系统应用
• 关键词: 降噪自编码器 协同过滤 深度学习
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 软件技术·算法
• 页码范围: 161-166
• 页数: 6页
• 字数: 5343字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.006940

摘要

协同过滤算法已广泛应用在推荐系统中,在实现新异性推荐功能中效果显著,但仍存在数据稀疏、扩展性差、冷启动等问题,需要新的设计思路和技术方法进行优化.近几年,深度学习在图像处理、目标识别、自然语言处理等领域均取得突出成果,将深度神经网络模型与推荐算法结合,为构建新型推荐系统带来新的契机.本文提出一种新式混合神经网络模型,该模型由栈式降噪自编码器和深度神经网络构成,学习得到用户和项目的潜在特征向量以及用户-项目之间的交互行为模型,有效解决数据稀疏问题从而提高系统推荐质量.该推荐算法模型通过MovieLens电影评分数据集测试,实验结果与SVD、PMF等传统推荐算法和经典自编码器模型算法作对比,其推荐质量得到显著提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张杰		268	1793	21.0	28.0
2	付立军	中国科学院沈阳计算技术研究所	3	4	2.0	2.0
3	刘俊明		2	2	1.0	1.0