10.19678/j.issn.1000-3428.0056700
基于半自动编码器的协同过滤推荐算法
为高效利用推荐系统中用户和物品的交互历史和辅助信息,提出一种改进的协同过滤推荐算法.利用半自动编码器对用户和物品的辅助信息进行特征提取,将提取出的特征映射到矩阵分解模型中,通过反向传播算法实现半自动编码器与矩阵分解模型的联合更新以提升推荐效果.在MovieLens-100K和Book-Crossing公开数据集上的实验结果表明,与融合偏置的奇异值分解、概率矩阵分解等传统推荐算法相比,该算法具有更低的均方根误差和更好的推荐性能.
协同过滤、半自动编码器、辅助信息、特征提取、交互历史
47
TP18(自动化基础理论)
国家自然科学基金61772170
2021-03-24(万方平台首次上网日期,不代表论文的发表时间)
共6页
125-130