深层矩阵分解推荐系统

摘要：

推荐系统已经成为一个与所有行业越来越相关的问题,它允许用户发现符合他们喜好的新产品,并通过系统向用户提供针对产品.本文提出了一种基于深度学习的协同过滤框架,即深度矩阵分解(DMF),它可以有效、方便地集成任何类型的边信息.在DMF中,建立了两个特征转换函数,直接从各种输入信息中生成用户和项目的潜在因素.可以将高维和稀疏的隐式反馈信息转换为低维实值向量,并保留主要特征.在公共数据库的实验结果表明,该方法在定量评估方面的准确性优于目前最先进的基于DL的推荐算法.

关键词：深度学习、矩阵分解、协同过滤、推荐算法、隐式反馈

分类号：TP391;TN919.81;TP181

在线出版日期：2019-05-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共1页

页码：74