基于FM与DQN结合的视频推荐算法

摘要：

推荐系统是利用多种信息过滤方法,过滤冗余信息,准确向用户推荐其具有兴趣点的信息的技术.传统的推荐系统在处理信息过载的问题上取得良好的效果,被广泛应用于电子商务、视频推荐、音乐电台、社交网络等领域.但在冷启动,推荐的多样性等问题上传统的推荐系统仍存在缺陷.针对以上问题,论文使用场感知因子分离机FM模型做特征组合与处理高维稀疏特征,使用深度神经网络模型作为Deep Q-Leanrning算法的值函数网络,使用Deep Q-Leanrning深度强化学习算法作为决策函数解决推荐准确性与多样性问题.该算法在视频推荐的应用中,视频推荐准确度略高于传统的推荐算法,视频多样性推荐效果明显优于传统的推荐算法.

关键词：视频推荐;Deep Q-Leanrning;深度强化学习

所属期刊栏目：49

分类号：TP3(计算技术、计算机技术)

在线出版日期：2021-10-12（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：1771-1776