基于降噪自编码器的社会化推荐算法

• 作者: 李前洋 杨丰瑞 罗思烦
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 推荐系统 社交网络 降噪自编码器 深度学习 混合推荐
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 人工智能与数据挖掘
• 页码范围: 944-950
• 页数: 7页
• 分类号: TP181
• 字数: 4955字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2020.05.023

摘要

现有的社会化推荐算法未考虑信任用户对目标用户深层的偏好影响.针对这一问题,提出了一种基于深度学习的混合推荐算法,利用降噪自编码器学习用户及其信任用户的评分偏好,使用加权隐藏层来平衡这些表示的重要性,有效建模用户间的潜在偏好交互.在此基础上,通过用户聚类和个性化权重区分不同类的用户受其信任用户的影响程度.在开放数据集上的实验结果表明,该算法优于现有的社会化推荐算法,与主要的推荐算法SoRec、RSTE、SocialMF、TrustMF相比,其平均绝对误差(MAE)和均方根误差(RMSE)显著降低,获得了较好的推荐效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李前洋	重庆邮电大学通信与信息工程学院	3	0	0.0	0.0
5	罗思烦	重庆邮电大学通信与信息工程学院	3	0	0.0	0.0