基于FGx_Deep算法的深度推荐

• 作者: 余梦梦 孙自强
• 来源期刊: 计算机工程与设计
• 学科: 工学
• 关键词: 嵌入矩阵 特征拼接 推荐算法 深度因子分解机 评分预测推荐 Top-N推荐
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 智能技术
• 页码范围: 3204-3211
• 页数: 8页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.16208/j.issn1000-7024.2020.11.033

摘要

为在推荐系统中更好挖掘用户物品特征和理解用户需求,提出FGx_Deep算法.利用FGCNN网络以原始嵌入矩阵生成新特征,对原始特征和新特征进行拼接后输入到深度因子分解机(DeepFM)算法中,构建FG_DeepFM算法;基于FG_DeepFM算法与xDeepFM算法融合,提出FGx_Deep算法,解决FG_DeepFM算法只进行隐式特征元素级交互问题,挖掘显式特征向量级交互,实现端到端训练.将该算法应用到Movielens数据集上,实验结果表明,FGx_Deep算法相较现有的推荐算法,在评分预测推荐领域和Top-N推荐领域中,都有效提升了推荐准确性和泛化性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙自强		41	223	9.0	13.0
2	余梦梦		1	0	0.0	0.0