基于长短期记忆网络的协同过滤算法研究

• 作者: 张素智 李鹏辉 陈小妮
• 来源期刊: 湖北民族学院学报（自然科学版）
• 学科: 工学
• 关键词: 循环神经网络 LSTM 协同过滤 长短期偏好
• 年，卷（期）: 2020,（2）
• 页码范围: 151-157
• 页数: 7页
• 分类号: TP391
• 字数: 5440字
• 语种: 中文
• DOI: 10.13501/j.cnki.42-1908/n.2020.06.008

摘要

协同过滤算法如今已经广泛地应用在推荐系统领域,但大多未考虑数据的时效特征,近期长短期记忆网络(LSTM)在用户短期偏好建模方面显示出了巨大的优势,它能描述数据随时间变化的动态特征.因此本文将LSTM与协同过滤算法相结合,提出基于LSTM的协同过滤算法模型LSMF,该模型应用循环神经网络结构来动态模拟会话上下文,建模短期行为偏好,并自适应融合长期行为偏好进行推荐.在Netflix数据集上与传统方法BPRMF、LSTM和两种基于RNN的最新模型NARM、T-LSTM相比,用户行为预测有了显著的改进.试验结果表明,基于LSMF算法模型的推荐系统有较高的推荐准确度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张素智	郑州轻工业大学计算机与通信工程学院	69	349	9.0	15.0
2	陈小妮	郑州轻工业大学计算机与通信工程学院	6	3	1.0	1.0
3	李鹏辉	郑州轻工业大学计算机与通信工程学院	4	3	1.0	1.0