10.3969/j.issn.1007-757X.2021.02.048
一种基于深度学习的推荐系统协同双向约束算法分析
为了进一步解决信息数量规模下推荐系统的选择,提出了一种基于深度学习的推荐系统协同双向约束算法.在分析深度协同双向约束算法的基础上,给出了具体的计算流程.研究结果表明:利用自编码器构建交互式混合推荐算法可以获得更大的R,达到了最优异表现性能.通过自编码器构建的交互式混合推荐算法除了能够满足推荐性能以外还表现出了优异鲁棒性.使用DCBCA方法后,为用户提供长期推荐的过程中能够显著提升物品好评度.DCBCA可以优化用户对推荐物品作出的评分,使物品获得更高好评度.采用深度协同双向约束算法可以改善推荐效果,除了可以提升用户对推荐物品产生更高的好评度以外,还可以利用交互过程来避免出现冷启动的情况.
深度学习、推荐系统、DCBCA、召回率、好评度
37
TP311(计算技术、计算机技术)
2021-04-01(万方平台首次上网日期,不代表论文的发表时间)
共3页
163-165