基于降噪自编码和卷积神经网络的协同过滤算法

摘要：

在协同过滤算法中最主要是用户相似度计算,但是用户评分项数据存在严重稀疏,导致推荐精准度降低.针对评分项数据稀疏性问题,论文提出一个C-DAE协同过滤算法.首先,利用卷积神经网络(CNN)对项目评论文本提取用户兴趣偏好,得到项目向量矩阵,其次,利用项目向量矩阵对降噪自编码器(DAE)加权填充原始评分矩阵,最后填充后的评分矩阵计算用户相似度进行推荐.实验结果证明,该方法解决了评分项数据稀疏性问题,提高了推荐质量.

关键词：数据稀疏、词向量、卷积神经网络、降噪自编码器、协同过滤

所属期刊栏目：48

分类号：TP391(计算技术、计算机技术)

在线出版日期：2020-12-03（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：2441-2445,2457