基于深度学习的欧几里得嵌入的推荐算法

• 作者: 余永红 张文彪 殷凯宇 王强 赵卫滨
• 来源期刊: 南京航空航天大学学报
• 学科: 工学
• 关键词: 推荐算法 协同过滤 欧几里得嵌入 深度学习
• 年，卷（期）: 2020,（5）
• 页码范围: 729-735
• 页数: 7页
• 分类号: TP181
• 语种: 中文
• DOI: 10.16356/j.1005⁃2615.2020.05.008

摘要

推荐系统为用户推荐用户可能感兴趣的物品,可以有效地减轻信息过载.基于欧几里得嵌入的协同过滤方法将用户和物品映射到统一的隐藏空间中,是构建推荐系统的重要方法之一.然而,传统的基于欧几里得嵌入的推荐方法仅考虑用户和物品隐藏特征向量之间低阶交互,不能有效建模现实世界中用户和物品的复杂交互行为.本文提出基于深度学习的欧几里得嵌入的协同过滤算法,利用深度学习技术学习用户和物品隐藏特征向量之间的高阶、非线性交互函数,建模用户和物品之间复杂交互行为.在真实数据集上的实验结果表明,基于深度学习的欧几里得嵌入的协同过滤算法性能优于传统协同过滤算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	余永红		15	85	5.0	9.0
2	赵卫滨		9	23	3.0	4.0
3	王强		42	204	8.0	12.0
4	殷凯宇		1	0	0.0	0.0
5	张文彪		1	0	0.0	0.0