混合深层协同过滤的SVD++推荐方法

• 作者: 汪赫瑜 夏航 任建华
• 来源期刊: 辽宁工程技术大学学报（自然科学版）
• 关键词: 推荐系统 深度学习 附加栈式降噪自编码器 收缩降噪自编码器 矩阵分解
• 年，卷（期）: 2020,（6）
• 页码范围: 524-532
• 页数: 9页
• 分类号: TP391
• 语种: 中文

摘要

为抑制辅助信息在推荐模型中各个方向的扰动并考虑使用文本信息提取项目特征,提出一种矩阵分解模型,混合深层协同过滤的SVD++推荐方法.该模型将附加栈式降噪自编码器和堆叠的收缩降噪自编码器与辅助信息相结合,分别提取用户和项目的潜在特征表示,并在提取项目特征表示时加入预训练的词嵌入模型考虑词语之间的语义关系.在数据集MovieLens-1M与MovieLens-10M的实验.结果表明:相比于传统算法、深度学习算法以及所提模型的变体,所提模型更有效地提取潜在特征表示并提高预测评分精度.