一种基于降噪自编码器的隐式反馈推荐算法

• 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 深度学习 降噪自编码器 隐式反馈
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 人工智能与数据挖掘
• 页码范围: 1500-1505
• 页数: 6页
• 分类号: TP181
• 字数: 4157字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2020.08.021

摘要

现有的隐式反馈协同算法直接利用稀疏的二值社交信任信息辅助推荐,存在严重的数据稀疏问题,且没有深层次地融合社交信任信息的影响.针对以上问题,提出利用降噪自编码器深度融合用户隐式反馈数据与社交信息的算法.首先从不同的角度区分用户信任,提出一种信任相似度的新度量方法来改善社交数据的稀疏性,利用降噪自编码器将信任数据与用户隐式交互信息深度融合,通过综合二者的影响,有效提高了推荐质量.实验表明,该算法优于现有主流的的隐式反馈推荐算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	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