基于深度神经网络的个性化推荐系统研究

摘要：

为了有效地提升海量文献信息检索过程中的用户个性化满足程度,该文设计了一个全新的个性化推荐系统.在这个系统中,核心算法是基于深度神经网络的个性化推荐方法.此方法构建的深度神经网络,包含了嵌入层、编码层、个性化特征融合层、解码层4个层次,从而准确地反应用户的个性化需求并完成查询推荐.以基于DNN网络的文献检索方法、基于Segnet网络的文献检索方法、基于Seq2Seq网络的文献检索方法为对比算法,针对计算机、通信、机械、电气、建筑、历史、政治、经济、数学、英语10类文献数据进行查询推荐实验,比较4种方法检索结果与用户需求的吻合程度.实验结果表明:该文提出的基于深度神经网络的检索方法,其检索结果的用户个性化需求吻合度高于其他3种方法近10个百分点,对于英语类文献检索结果的个性化需求吻合度,甚至达到了90.2％,这充分说明了该文提出的检索方法和构建的个性化推荐系统有效.

关键词：个性化推荐、深度神经网络、个性化融合、推荐查询

所属期刊栏目：41

分类号：TP393(计算技术、计算机技术)

资助基金：国家自然科学基金项目61272286;高等学校博士学科点专项科研基金项目20126101110006

在线出版日期：2019-12-16（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：104-109