基于深度神经网络的个性化混合商品推荐模型
针对推荐系统广泛采用的协同过滤算法存在的稀疏性和冷启动问题,提出了一种基于深度神经网络和动态协同滤波的推荐模型.该模型采用预训练BERT模型结合双向GRU从用户和商品评论中提取隐含特征向量,利用耦合CNN构建评分预测矩阵,通过动态协同滤波融入用户兴趣变化的时间特征.在亚马逊公开数据集上进行实验,结果表明该模型提高了商品评分预测的准确性.
商品推荐、BERT模型、双向GRU、耦合CNN、动态协同滤波
30
2021-05-24(万方平台首次上网日期,不代表论文的发表时间)
共6页
184-189