神经因子分解机推荐模型改进研究

• 作者: 吴韦俊 李烨
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 推荐系统 交叉网络 神经因子分解机
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 计算机软件与理论
• 页码范围: 115-118
• 页数: 4页
• 分类号: TP301
• 字数: 2881字
• 语种: 中文
• DOI: 10.11907/rjdk.191717

摘要

因子分解机对特征各维度之间的一阶线性关系和二阶线性关系建模,在推荐系统中已有较多应用.神经因子分解机模型(NFM)是因子分解机与神经网络的结合模型,它能捕获特征之间的高阶交互信息,使得模型预测效果更佳.但由于神经因子分解机模型一般都是采用全连接的前馈神经网络,使得整个推荐网络过于复杂,存在过拟合风险.为了降低神经因子分解机模型的整体复杂度,提高推荐模型的泛化性能,提出一种基于交叉网络的因子分解机模型(CFM),降低模型复杂度,提高模型泛化性能.实验表明,该模型在数据集上的预测准确度为77％左右,相比NFM预测准确度提高了约2％,整体模型泛化性能也有所提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李烨	上海理工大学光电信息与计算机工程学院	44	133	7.0	9.0
2	吴韦俊	上海理工大学光电信息与计算机工程学院	1	0	0.0	0.0