栈式降噪自编码器的标签协同过滤推荐算法

摘要：

协同过滤推荐和基于内容的推荐是目前应用于推荐系统中的两种主流手段.传统的协同过滤模型存在着矩阵稀疏问题,基于内容的推荐又不能自动抽取深层特征,且两种推荐手段很难直接融合在一起,无法共同提升推荐系统的性能表现.充分利用了深度学习模型能够深度挖掘内容隐藏信息的特性,将栈式降噪自编码器(SDAE)运用于基于内容的推荐模型中,并将其与基于标签的协同过滤算法结合在一起,提出DLCF(Deep Learning for Collaborative Filtering)算法.经过真实数据集的验证,DLCF算法能够很大程度上克服矩阵稀疏问题,在性能上优于传统推荐算法.

关键词：推荐系统、协同过滤、深度学习、栈式降噪自编码器

所属期刊栏目：39

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金项目61003031;上海重点科技攻关项目14511107902;上海市工程中心建设项目GCZX14014;上海市一流学科建设项目XTKX2012;上海市数据科学重点实验室开放课题201609060003;沪江基金研究基地专项C14001

在线出版日期：2018-01-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：7-11