S-SmDAERS模型的深度推荐系统应用研究

摘要：

深度学习因在学习用户、物品数据潜在特征和表面特征上的优势,被广泛地应用于推荐系统中.而在一般的深度学习推荐系统中,往往都无法兼顾训练时间和推荐质量,为此,本文在传统的自动编码器的基础上,加入了稀疏和边缘降噪约束,将衍生出的稀疏边缘降噪自动编码器(SmDAE)进行堆叠并应用于推荐系统中,提出了一种基于堆叠稀疏边缘降噪自动编码器的协同推荐方法(S-SmDAERS).实验证明,该模型较一般的深度推荐算法具有更好的性能.

关键词：推荐系统、自动编码器、深度学习、概率矩阵分解

所属期刊栏目：41

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目;上海市教委科研创新重点项目;沪江基金项目

在线出版日期：2020-09-15（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：1608-1612