基于降噪自编码和卷积神经网络的协同过滤算法OACSTPCD
Collaborative Filtering Algorithm Based on Denoising Auto-encoder and Convolutional Neural Networks
在协同过滤算法中最主要是用户相似度计算,但是用户评分项数据存在严重稀疏,导致推荐精准度降低.针对评分项数据稀疏性问题,论文提出一个C-DAE协同过滤算法.首先,利用卷积神经网络(CNN)对项目评论文本提取用户兴趣偏好,得到项目向量矩阵,其次,利用项目向量矩阵对降噪自编码器(DAE)加权填充原始评分矩阵,最后填充后的评分矩阵计算用户相似度进行推荐.实验结果证明,该方法解决了评分项数据稀疏性问题,提高了推荐质量.
张硕伟;陈军华;雍睿涵
上海师范大学信息与机电工程学院 上海 201400上海师范大学信息与机电工程学院 上海 201400上海师范大学信息与机电工程学院 上海 201400
信息技术与安全科学
数据稀疏词向量卷积神经网络降噪自编码器协同过滤
《计算机与数字工程》 2020 (10)
2441-2445,2457,6
评论