基于混合自编码器的协同过滤推荐算法优化

基于混合自编码器的协同过滤推荐算法优化①

张 杰，付立军，刘俊明

【摘 要】摘 要:协同过滤算法已广泛应用在推荐系统中，在实现新异性推荐功能中效果显著，但仍存在数据稀疏、扩展性差、冷启动等问题，需要新的设计思路和技术方法进行优化.近几年，深度学习在图像处理、目标识别、自然语言处理等领域均取得突出成果，将深度神经网络模型与推荐算法结合，为构建新型推荐系统带来新的契机.本文提出一种新式混合神经网络模型，该模型由栈式降噪自编码器和深度神经网络构成，学习得到用户和项目的潜在特征向量以及用户-项目之间的交互行为模型，有效解决数据稀疏问题从而提高系统推荐质量.该推荐算法模型通过MovieLens 电影评分数据集测试，实验结果与SVD、PMF 等传统推荐算法和经典自编码器模型算法作对比，其推荐质量得到显著提升.

【期刊名称】计算机系统应用 【年(卷),期】2019(028)005 【总页数】6

【关键词】关键词:降噪自编码器；协同过滤；深度学习

引用格式:张杰，付立军，刘俊明.基于混合自编码器的协同过滤推荐算法优化.计算机系统应用，2019，28(5):161-166.http://www.c-s-a.org.cn/1003-3254/6940.html

①基金项目:国土资源部大数据科研专项基金(201511079-3)

Foundation item:Special Fund for Big Data Research of Ministry of Land and Resources of the People's Republic of China (201511079-3)