10.3969/j.issn.1007-757X.2015.11.005
基于自动编码器的协同过滤推荐算法
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。
协同过滤、自动编码器、推荐系统
TP3(计算技术、计算机技术)
国家科技支撑计划项目2012BAH59F04;复旦大学卓学计划项目
2015-11-25(万方平台首次上网日期,不代表论文的发表时间)
共6页
18-23