融合长短期记忆网络与广义矩阵分解的神经协同过滤模型

• 作者: 田晓婧 谢颖华
• 来源期刊: 计算机系统应用
• 关键词: 神经网络 推荐算法 神经协同过滤 矩阵分解 长短期记忆网络
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 软件技术·算法|Software Technique·Algorithm
• 页码范围: 190-194
• 页数: 5页
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.008281

摘要

在实现推荐的过程中,用户对项目的浏览和关注的时间顺序是推荐算法中重要的数据信息,同一用户在不同时间对项目的喜好不同对推荐结果也有着一定的影响.本文在神经协同过滤模型的框架下,提出将长短期记忆网络和广义矩阵分解进行融合,同时捕捉用户的短期偏好和长期偏好.利用长短期记忆网络对时序数据的强拟合能力,学习用户的短期偏好信息,捕捉序列的长依赖关系,通过广义矩阵分解学习用户的长期偏好信息,从而优化推荐算法,提高推荐性能.通过MovieLens-1M数据集进行试验后,结果表明,本文提出的新模型在收敛速度和推荐性能方面都有提升.