基于深度信念网与隐变量模型的用户偏好建模

摘要：

从高维、稀疏的用户评分数据中构建用户偏好模型,存在迭代计算复杂度高、中间结果规模大和难以实现有效推理等问题.为此,提出一种基于深度信念网(DBN)和贝叶斯网(BN)的用户偏好建模方法.采用DBN对评分数据进行分类,用隐变量表示不能直接观测到的用户偏好,利用含隐变量的BN描述评分数据中蕴含的相关属性间的依赖关系及其不确定性.在MovieLens和大众点评数据集上的实验结果表明,该方法能够有效描述评分数据中与用户偏好相关的各属性间的依赖关系,其精确率和执行效率均高于隐变量模型.

关键词：贝叶斯网、用户偏好、评分数据、隐变量模型、深度信念网

所属期刊栏目：46

分类号：TP393(计算技术、计算机技术)

资助基金：国家自然科学基金;云南省应用基础研究计划重点项目;云南大学科研项目

在线出版日期：2020-05-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：54-62