面向完全冷启动的深度混合协同过滤推荐算法

• 作者: 胡杨 陈健美
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: 协同过滤 深度学习 半监督S4VM 混合推荐 推荐算法
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 算法与分析
• 页码范围: 540-545
• 页数: 6页
• 分类号: TP301
• 字数: 5874字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2020.03.007

摘要

基于矩阵分解的协同过滤算法近年来获得了巨大的成功,但是依然存在冷启动,忽视用户及物品特征等问题,从而导致推荐质量不佳,用户体验度下降.论文提出了一种基于深度学习的混合协同过滤推荐算法,尝试引入堆栈降噪自编码器学习物品的隐含特征,同时结合半监督S4VM和隐含因子模型,综合考虑物品的内容特征及时间因素,以预测未评分的数据,解决冷启动问题.在标准数据集Movielens上进行的测试表明:该算法能有效预测冷启动物品的评分,性能提升显著,较传统推荐性能提升约为12％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈健美	江苏大学计算机科学与通信工程学院	47	426	11.0	18.0
2	胡杨	江苏大学计算机科学与通信工程学院	10	18	2.0	4.0