基于融合特征的LSTM评分预测

摘要：

隐语义模型(LFM)能够有效地提取用户和对象的特征.本文基于LFM所提取的有效特征,提出一种基于融合特征的长短期记忆网络(LSTM)评分预测模型(F-LFM-LSTM).首先,运用LFM模型提取用户和对象的有效特征.然后,融合用户的职业、年龄、性别标签和对象类别标签等辅助信息.最后,运用LSTM网络训练得到预测评分.通过在Mov-ieLens100k数据集上实验表明,相比于几种得到较为广泛研究的算法,F-LFM-LSTM模型能够取得更好的评分预测效果.

关键词：隐语义模型、F-LFM-LSTM模型、评分预测

分类号：TP18(自动化基础理论)

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：49-53,59