一种基于降噪自编码器的隐式反馈推荐算法

摘要：

现有的隐式反馈协同算法直接利用稀疏的二值社交信任信息辅助推荐,存在严重的数据稀疏问题,且没有深层次地融合社交信任信息的影响.针对以上问题,提出利用降噪自编码器深度融合用户隐式反馈数据与社交信息的算法.首先从不同的角度区分用户信任,提出一种信任相似度的新度量方法来改善社交数据的稀疏性,利用降噪自编码器将信任数据与用户隐式交互信息深度融合,通过综合二者的影响,有效提高了推荐质量.实验表明,该算法优于现有主流的的隐式反馈推荐算法.

关键词：推荐系统、社交网络、深度学习、降噪自编码器、隐式反馈

所属期刊栏目：42

分类号：TP181(自动化基础理论)

在线出版日期：2020-09-11（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：1500-1505