基于改进余弦相似度的协同过滤推荐算法

摘要：

传统的协同过滤推荐算法存在数据稀疏情况下分类准确性低的问题,针对于此提出一种基于改进余弦相似度的协同过滤推荐算法,将数据经嵌入层转换为特征矩阵,将对其计算后得到的改进余弦相似度矩阵和单位矩阵之间的均方误差作为损失函数,从而提高推荐算法在数据稀疏情况下的分类准确性.实验结果表明,该算法的AUC和对数损失函数指标均优于基线模型FM、FFM和DeepFM模型.

关键词：改进余弦相似度、协同过滤、推荐算法、深度因子分解机

分类号：TP305(计算技术、计算机技术)

资助基金：中国科学院战略性科技先导专项基金资助项目XDC02010701

在线出版日期：2020-04-14（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：69-74