基于降噪自编码器网络与词向量的信息推荐方法

摘要：

基于降噪自编码器的推荐方法缺乏对项目共现关系的分析能力,且模型存在参数冷启动问题.为此,基于降噪自编码器网络与词向量,提出一种信息推荐方法.将用户看作文档,将用户评价过的项目看作词语,以此构建训练语料.利用词向量模型对语料进行训练,得到隐含上下文信息的项目向量.将所有项目向量作为初始权重构建降噪自编码器神经网络,训练得到模型参数.通过模型预测用户评分完成top-N推荐.在标准数据集上的实验结果表明,该方法能提高推荐准确率,训练速度优于降噪自编码、奇异值矩阵分解和协同过滤推荐方法.

关键词：信息推荐、神经网络、降噪自编码器、词向量、参数冷启动

所属期刊栏目：43

分类号：TP393(计算技术、计算机技术)

资助基金：国家社会科学基金“网上舆论斗争系统建模与应对策略研究”14BXW028

在线出版日期：2018-04-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：173-178