电网环境下基于深度学习的推荐系统算法研究

• 作者: 何成艳 刘丽婕 刘姜
• 来源期刊: 电子测量技术
• 学科: 工学
• 关键词: SDAE 协同过滤推荐算法模型 推荐系统算法模型 数据降维 深度学习
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 理论与算法
• 页码范围: 60-64
• 页数: 5页
• 分类号: TU966
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.2004374

摘要

针对电网数据种类复杂,传统数据推荐算法无法处理移动驱动数据,导致配电网信息过载,电网数据推荐存在效率低、误差高的问题,设计了基于深度学习的推荐系统算法模型.结果 为构建基于SDAE和时间均模型混合的协同过滤推荐算法模型,引入大数据降维技术对高纬度数据进行降维,构建基于输入层、模型层、输出层和应用层的信息数据架构,实现大量复杂信息数据推荐.结果 表明,所提算法模型误差为2.3％,对比当前方法大幅度降低,提高了数据推荐的准确度.