融合特征信息的混合推荐模型

摘要：

传统的矩阵分解模型仅通过用户-项目的评分矩阵来对用户进行项目推荐,由于未能使用用户与项目的特征信息从而造成了信息损失,使得模型的评分预测误差较大.为了更加充分地满足个性化推荐的需求,利用因子分解机以及深度神经网络改进传统的矩阵分解模型,融入用户与项目的特征信息.对改进后的模型在数据集MovieLens-1M上检验模型的效果,采用RMSE作为评估指标,实验发现改进后模型的RMSE值降低,模型的评分预测误差减小,评分预测结果更加准确.

关键词：矩阵分解;因子分解机;深度学习;推荐模型

所属期刊栏目：17

分类号：TP391(计算技术、计算机技术)

在线出版日期：2021-10-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：17-19