10.16208/j.issn1000-7024.2020.07.042
基于改进神经协同过滤模型的电影推荐系统
传统的矩阵分解法只能简单提取低阶信息,特征组合单一无法挖掘更多隐含信息,且特征组合权重相同无法满足个性化推荐.通过改进神经协同过滤模型,利用多层感知机的非线性特征处理提取隐含高阶特征信息以及贝叶斯个性化排序算法提取排序信息,使推荐更加精准,推荐得分结合电影流行度和电影类型因子进行微调.通过该推荐模型实现了个性化电影推荐系统,推荐命中率和归一化折扣累积增益得到显著提高.
神经协同过滤、隐性反馈、矩阵分解、贝叶斯个性化排序算法、电影推荐系统
41
TP391.3(计算技术、计算机技术)
2020-07-24(万方平台首次上网日期,不代表论文的发表时间)
共7页
2069-2075