一种基于深度学习的推荐系统协同双向约束算法分析

• 作者: 王世杰 高鑫 许舒翔
• 来源期刊: 微型电脑应用
• 关键词: 深度学习 推荐系统 DCBCA 召回率 好评度
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 技术交流|TECHNICALL COMMUNICATION
• 页码范围: 163-165
• 页数: 3页
• 分类号: TP311
• 语种: 中文
• DOI: 10.3969/j.issn.1007-757X.2021.02.048

摘要

为了进一步解决信息数量规模下推荐系统的选择,提出了一种基于深度学习的推荐系统协同双向约束算法.在分析深度协同双向约束算法的基础上,给出了具体的计算流程.研究结果表明:利用自编码器构建交互式混合推荐算法可以获得更大的R,达到了最优异表现性能.通过自编码器构建的交互式混合推荐算法除了能够满足推荐性能以外还表现出了优异鲁棒性.使用DCBCA方法后,为用户提供长期推荐的过程中能够显著提升物品好评度.DCBCA可以优化用户对推荐物品作出的评分,使物品获得更高好评度.采用深度协同双向约束算法可以改善推荐效果,除了可以提升用户对推荐物品产生更高的好评度以外,还可以利用交互过程来避免出现冷启动的情况.