|
|
|
| 面向推荐系统的双自编码器混合协同过滤模型 |
| 江西财经大学软件与物联网工程学院 南昌铁路局信息技术所 南昌大学软件学院 |
|
|
|
|
摘要 个性化推荐是电子商务和搜索引擎中最常见的应用之一，但由于推荐计算时常用的用户-项目评分矩阵非常稀疏，导致推荐效果不佳。针对评分矩阵的稀疏性问题，提出了一种双自编码器矩阵分解模型(Dual Auto Encoders Matrix Factorization, DAE-MF),该模型使用二路并行网络结构，结合卷积自编码器和栈式降噪自编码器以及矩阵分解技术，有效提高了模型的数据补全能力，在MovieLens和AIV数据集上的对比实验表明所提出的DAE-MF方法在评级预测任务中优于现有模型。
|
|
| 关键词 ：
自编码器,
并行网络,
评级预测,
推荐系统
|
|
|
| 基金资助:国家自然科学基金资助项目(81960325)； 江西财经大学第十七届学生科研课题项目(2022091110420726)； |
|
|
|
