基于贝叶斯和自编码器的社会化推荐算法研究

• 作者: 吴昊 王大刚 钟锦
• 来源期刊: 系统科学与数学
• 关键词: 混合隶属度随机块 自编码器 矩阵分解 贝叶斯
• 年，卷（期）: 2020,（4）
• 页码范围: 686-700
• 页数: 15页
• 语种: 中文

摘要

为提高推荐结果的精度和个性化程度,文章有效利用多种信息源,将贝叶斯方法和深度学习结合,提出一种基于贝叶斯自编码器的社会化推荐算法.算法首先利用混合隶属度随机块模型MMSB (Mixed membership stochastic block)对用户间交互关系建模,结合用户的属性特征,利用自编码器学习用户的隐含特征向量;然后利用主题模型结合自编码模块学习物品特征向量;最后利用概率框架将物品和用户间的各种属性统一起来,共同学习矩阵分解模型中的关系矩阵.模型中的参数利用变分EM算法进行推理.实验结果表明与同类算法比较,算法在精确度和覆盖率上有不同程度的提升,且能够得到比较个性化的推荐结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王大刚	合肥师范学院计算机学院	5	12	2.0	3.0
3	钟锦	合肥师范学院计算机学院	19	16	3.0	3.0
5	吴昊	合肥师范学院计算机学院	12	51	4.0	7.0