基于变分自编码器的混合推荐算法

摘要：

较多传统推荐算法因未考虑曝光因素而难以解决冷启动问题.为此,通过引入曝光隐变量,提出一种基于变分自编码器的混合推荐算法.在协同过滤背景下使用马尔科夫链蒙特卡洛采样推断曝光隐变量和特征向量,在推断过程中将前一次迭代得到的分布结果作为先验,利用共轭关系直接得到参数后验,以提高推断精度.在此基础上,通过变分自编码器VAEe抽取用户曝光向量的隐特征,据此对该用户做曝光预测,同时训练变分自编码器VAEi抽取商品的协同隐特征,解决新商品的冷启动问题.在真实数据集上的实验结果表明,该算法能够同时提高旧商品和新商品的推荐性能.

关键词：推荐算法、变分自编码器、马尔科夫链蒙特卡洛采样、协同过滤、深度学习

所属期刊栏目：46

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金61672264,61972182

在线出版日期：2021-02-04（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：96-104