基于栈式降噪自动编码器的动态混合推荐算法

摘要：

传统协同过滤算法仅依靠用户评分数据的低维向量方法,存在推荐结果精确度低以及冷启动问题.为此,提出一种新的动态混合推荐算法,将栈式降噪自动编码器融入到基于用户的协同过滤中,学习用户的深层次特征,并与基于用户项目属性偏好的相似度融合.在预测生成阶段,设置时间衰减项,动态预测访问概率,及时更新用户兴趣变化,从而提高推荐质量.在MovieLens数据集上的实验结果表明,与UB-CF、AE和SDAE-IA算法相比,该算法推荐性能明显提高.

关键词：协同过滤、自动编码器、项目属性、相似度、时间衰减

所属期刊栏目：45

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金51874300;国家自然科学基金委员会-山西省人民政府煤基低碳联合基金U1510115

在线出版日期：2019-08-27（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：184-189