基于融合特征的LSTM评分预测

• 作者: 张尚田 邱天 陈光
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 隐语义模型 F-LFM-LSTM模型 评分预测
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 算法设计与分析
• 页码范围: 49-53,59
• 页数: 6页
• 分类号: TP18
• 字数: 4250字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2020.03.010

摘要

隐语义模型(LFM)能够有效地提取用户和对象的特征.本文基于LFM所提取的有效特征,提出一种基于融合特征的长短期记忆网络(LSTM)评分预测模型(F-LFM-LSTM).首先,运用LFM模型提取用户和对象的有效特征.然后,融合用户的职业、年龄、性别标签和对象类别标签等辅助信息.最后,运用LSTM网络训练得到预测评分.通过在Mov-ieLens100k数据集上实验表明,相比于几种得到较为广泛研究的算法,F-LFM-LSTM模型能够取得更好的评分预测效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈光	南昌航空大学信息工程学院	2	1	1.0	1.0
2	邱天	南昌航空大学信息工程学院	4	1	1.0	1.0
3	张尚田	南昌航空大学信息工程学院	3	0	0.0	0.0