基于自动编码器的协同过滤推荐算法

摘要：

针对在评分数据稀疏时，基于近邻的协同过滤算法的相似性度量不准确，以及存储相似性矩阵需要巨大空间的问题，提出一种基于自动编码器的协同过滤算法。首先，使用改进后的自动编码器无监督地学习用户行为，将高维、稀疏的用户行为压缩成低维、稠密的用户特征向量，然后，将用户的特征向量转换为二进制码，并以汉明距离作为用户相似性的度量，最后，基于用户间的相似性生成推荐物品列表。在MovieLens10M数据集上的结果表明，在解决隐式反馈行为下的TopN推荐问题时，该算法与现有的协同过滤算法相比，不仅能大大减少模型训练的空间开销，而且在推荐结果的覆盖率、新颖性上有大幅提升。

关键词：协同过滤、自动编码器、推荐系统

分类号：TP3(计算技术、计算机技术)

资助基金：国家科技支撑计划项目2012BAH59F04；复旦大学卓学计划项目

在线出版日期：2015-11-25（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：18-23