基于变分循环自动编码器的协同推荐方法OA北大核心CSTPCD
COLLABORATIVE RECOMMENDATION APPROACH BASED ON VARIATIONAL RECURRENT AUTO-ENCODER
基于概率矩阵分解的协同过滤是推荐系统中应用最广泛的方法.它通过学习用户-商品评分矩阵的两个低维近似矩阵来做推荐.但是在评分矩阵极其稀疏的情况下,概率矩阵分解的推荐准确性就会下降.为了缓解这个问题,提出一种基于变分循环自动编码器的概率矩阵分解方法,该方法综合考虑商品描述文本和评分矩阵,先将商品的描述文本编码成一个特征向量,然后将该特征向量融合到概率矩阵分解模型中来缓解稀疏问题.该方法在编码商品特征向量时,考虑了商品内容的上下文信息和语义信息,并且该…查看全部>>
李晓菊;顾君忠;程洁
华东师范大学计算机科学与技术系 上海200062华东师范大学计算机科学与技术系 上海200062上海智臻智能网络科技股份有限公司 上海201800
信息技术与安全科学
协同过滤概率矩阵分解稀疏问题变分自动编码器循环神经网络
《计算机应用与软件》 2018 (9)
258-263,280,7
上海市科学技术委员会科研计划项目(16511102702).
评论