|
|
1.
基于堆栈降噪自编码器改进的混合推荐算法
杨帅, 王鹃
计算机应用
2018, 38 (7):
1866-1871.
DOI: 10.11772/j.issn.1001-9081.2017123060
针对传统协同过滤算法仅利用评分信息作为推荐依据，没有利用用户评论和标签信息，无法准确反映用户对项目特征的偏好，推荐精确度低且容易过拟合等问题，提出一种基于堆栈降噪自编码（SDAE）改进的混合推荐（SDHR）算法。首先利用深度学习模型SDAE从用户自由文本标签中抽取项目的显式特征信息；然后，改进隐因子模型（LFM）算法，使用显式项目特征信息替换LFM中的抽象特征，进行矩阵分解训练；最后通过用户-项目偏好矩阵为用户提供推荐。在公开数据集MovieLens上的实验测试，与三组推荐模型（基于标签权重及协同过滤、基于SDAE和极限学习机、基于循环神经网络）比较，该算法推荐精确度分别提高了45.2%、38.4%和16.1%。实验结果表明，所提算法可以充分利用项目自由文本标签信息提高推荐性能。
参考文献 |
相关文章 |
多维度评价
|
|
