作者：吴彦文; 刘闯用户偏好可疑度时间效应深度学习
摘要：针对传统推荐算法在推荐过程中存在忽略用户偏好、用户恶意虚假信息和时间序列等问题,引入用户兴趣模型,结合用户可疑度与时间效应计算更新用户相似度,经过深度学习网络得到最佳推荐目标。为避免出现数据过拟合情况,在利用贪心思想训练用户数据时,给隐含层和可见层均加上了用户偏好,一定程度上提高了深度学习网络的自学习能力。将改进的算法与传统协同过滤推荐算法在MovieLens数据集上作推荐对比实验,实验结果证明,相对于传统的推荐算法,改进的推荐算法可以大大提高项目推荐的精确度。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
