一种用于推荐系统的分类训练方法

• 作者: 周雕 郝胜男
• 来源期刊: 现代计算机
• 关键词: 推荐系统 神经网络 K-means
• 年，卷（期）: 2021,（21）
• 所属期刊栏目: 研究与开发|Research and Development
• 页码范围: 108-111
• 页数: 4页
• 语种: 中文
• DOI: 10.3969/j.issn.1007-1423.2021.21.020

摘要

近年来,深度学习技术的飞速发展为推荐系统领域的进步带来了更多可能性.然而,应用于推荐系统的数据往往过于稀疏,且噪声过大而难以达到较好的训练效果,并且不同用户之间巨大的偏好差异也给模型的鲁棒性带来极大的挑战.为此,提出一种分类训练方法,在神经网络模型训练之前,先将用户基于K-means聚类算法聚类成不同的簇,簇内用户的偏好具有相似性,然后将各簇中的数据进行独立并行训练.在MovieLens数据集上的实验结果表明,该方法能在一定程度上提升推荐模型的评分预测性能.