基于多核学习卷积神经网络的稀疏数据推荐

• 作者: 霍雨佳 左欣 张虹
• 来源期刊: 计算机工程与设计
• 学科: 工学
• 关键词: 稀疏数据 推荐系统 评分预测 卷积神经网络 多核学习 项目上下文
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 软件与算法
• 页码范围: 489-496
• 页数: 8页
• 分类号: TP391
• 语种: 中文
• DOI: 10.16208/j.issn1000-7024.2021.02.028

摘要

针对当前稀疏数据推荐准确率低的问题,提出一种基于多核学习卷积神经网络的稀疏数据推荐算法.将项目的辅助信息送入卷积神经网络学习特征,将向量在可再生核希尔伯特空间组合,利用多核学习技术增强卷积神经网络的特征学习能力;基于学习的卷积特征集初始化非负矩阵模型,通过非负矩阵模型实现对缺失评分的预测.实验结果表明,该算法有效提高了稀疏数据集的推荐性能,验证了多核学习卷积神经网络的有效性.