基于深度学习的个性化网吧游戏推荐

摘要：

与传统推荐模型相比,深度学习可以更好地理解用户需求、项目特征及用户与项目之间的互动性,从而更有效地发现用户和项目之间的匹配关系.将深度神经网络应用于网吧游戏推荐场景,分析用户的个人偏好,根据时间推移兴趣的变化,对用户历史游戏行为记录进行建模训练,为用户提供个性化Top-N游戏推荐.基于深度神经网络设计训练模型,输入层采用对用户历史行为数据处理后的用户偏好向量,隐藏层运用ReLU激活函数的多层网络,输出层则采用逻辑回归的Softmax结构,最终运用带L2规范项的代价函数评估学习到的模型可靠性.在真实数据集下的实验结果表明,随着隐藏层的增加,该方法能明显降低均方根误差,且能提高召回率.

关键词：个性化网吧、深度学习、推荐算法、深度神经网络、游戏场景

所属期刊栏目：45

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家自然科学基金61472112;浙江省重点研发项目2017C01010,2016F50014,2015C01040

在线出版日期：2019-07-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：206-209,216