基于深度学习的多元信息嵌入推荐模型OA北大核心CSTPCD
MULTI-INFORMATION EMBEDDED RECOMMENDATION MODEL BASED ON DEEP LEARNING
传统的矩阵分解法只能简单提取低阶信息,特征组合单一,无法挖掘更多隐含信息.依赖稀疏的评分表已经无法满足个性化推荐.MovieLens数据集是研究推荐系统的经典数据集.通过改进神经协同过滤模型,使用多个嵌入层对MovieLens数据集所有信息进行嵌入分析,充分挖掘隐含信息,使得推荐算法更有实用意义.通过在MovieLens-100k和MovieLens-1 m上设置多组对照实验表明,该改进模型不仅学习了更多信息,而且与神经协同过滤模型相比,其错误率显著减小.
王骏;虞歌
杭州师范大学信息科学与工程学院 浙江 杭州 311121杭州师范大学信息科学与工程学院 浙江 杭州 311121
信息技术与安全科学
神经协同过滤个性化矩阵分解嵌入电影推荐系统
《计算机应用与软件》 2021 (3)
196-201,6