作者:顾军华; 李新晨; 张娅娟深度学习矩阵分解协同过滤推荐算法隐式反馈
摘要:推荐系统已经成为一个与所有行业越来越相关的问题,它允许用户发现符合他们喜好的新产品,并通过系统向用户提供针对产品。本文提出了一种基于深度学习的协同过滤框架,即深度矩阵分解(DMF),它可以有效、方便地集成任何类型的边信息。在DMF中,建立了两个特征转换函数,直接从各种输入信息中生成用户和项目的潜在因素。可以将高维和稀疏的隐式反馈信息转换为低维实值向量,并保留主要特征。在公共数据库的实验结果表明,该方法在定量评估方面的准确性优于目前最先进的基于DL的推荐算法。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社