基于Adam的推荐系统模型研究

• 作者: 张聪 樊翔宇
• 来源期刊: 武汉轻工大学学报
• 学科: 工学
• 关键词: 推荐系统 冷启动 人工智能 模型优化
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 科学研究
• 页码范围: 62-67
• 页数: 6页
• 分类号: TP39
• 字数: 6025字
• 语种: 中文
• DOI: 10.3969/j.issn.2095-7386.2020.01.012

摘要

传统技术实现的推荐系统探索用户兴趣时十分依赖用户的历史行为等额外数据,探索过程复杂且面临严重的冷启动问题.为降低对用户信息的依赖,同时减轻冷启动问题,采用当前人工智能中先进的Adam优化方法提出了一种推荐系统模型.使用Tensor flow平台在一系列数据集上的仿真结果表明,与其他模型相比,提出的模型显著降低了对用户信息的需求,具有更精准的推荐结果,在应对冷启动问题时也有较好的性能表现.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张聪	武汉轻工大学数学与计算机学院	9	9	2.0	3.0
2	樊翔宇	武汉轻工大学数学与计算机学院	1	0	0.0	0.0