10.16451/j.cnki.issn1003-6059.202004002
基于深度神经网络和加权隐反馈的个性化推荐
改进的矩阵分解(SVD++)将用户和物品特征向量的内积作为用户对物品的评分,而内积无法捕捉用户与物品之间复杂的高阶非线性关系.此外,SVD++在融入用户隐式反馈时,未区分不同交互物品对于用户特征表达的贡献.针对上述问题,文中提出基于深度神经网络和加权隐反馈的推荐算法(DeepNASVD++),采用深度神经网络建模用户与物品之间的关系,使用注意力机制计算历史交互物品在建模用户隐式反馈时的权重.在公开数据集上的实验验证文中算法的有效性.
推荐系统、协同过滤、加权隐反馈、矩阵分解
33
TP391.3(计算技术、计算机技术)
国家重点研发计划项目;国家自然科学基金项目
2020-07-09(万方平台首次上网日期,不代表论文的发表时间)
共8页
295-302