10.3778/j.issn.1002-8331.1910-0424
DCFM:基于深度学习的混合推荐模型
传统推荐算法大多都仅考虑用户-商品评级信息来进行推荐,这种忽略了用户属性和商品属性信息的推荐模型准确率不高.因子分解机可在数据稀疏情况下挖掘用户与商品的关联关系,交叉网络可挖掘属性特征与其高阶特征的线性组合关系,以及深度神经网络有效识别高阶非线性关联关系,基于三种模型的优势,提出了一种基于深度学习的混合推荐模型(Deep and Cross Factorization Machine,DCFM).三部分并联组合,共享输入层,各部分结果线性组合后作为模型整体输出.通过在MovieLens电影数据集上仿真实验,并与因子分解机(FM)、深度因子分解机(DeepFM)、深度交叉网络(DCN)模型做比较,结果证明该模型在准确率、F1-Score和AUC值上均得到了提高和改善.
智能推荐、深度学习、因子分解机、交叉网络
57
TP391.1(计算技术、计算机技术)
河北省重点研发计划19210105D
2021-02-05(万方平台首次上网日期,不代表论文的发表时间)
共6页
150-155