10.16208/j.issn1000-7024.2020.11.033
基于FGx_Deep算法的深度推荐
为在推荐系统中更好挖掘用户物品特征和理解用户需求,提出FGx_Deep算法.利用FGCNN网络以原始嵌入矩阵生成新特征,对原始特征和新特征进行拼接后输入到深度因子分解机(DeepFM)算法中,构建FG_DeepFM算法;基于FG_DeepFM算法与xDeepFM算法融合,提出FGx_Deep算法,解决FG_DeepFM算法只进行隐式特征元素级交互问题,挖掘显式特征向量级交互,实现端到端训练.将该算法应用到Movielens数据集上,实验结果表明,FGx_Deep算法相较现有的推荐算法,在评分预测推荐领域和Top-N推荐领域中,都有效提升了推荐准确性和泛化性.
嵌入矩阵、特征拼接、推荐算法、深度因子分解机、评分预测推荐、Top-N推荐
41
TP391.4(计算技术、计算机技术)
中央高校基本科研业务费专项基金项目222201917006
2020-11-26(万方平台首次上网日期,不代表论文的发表时间)
共8页
3204-3211