基于长短期记忆网络的协同过滤算法研究
张素智
李鹏辉
陈小妮
1.郑州轻工业大学 计算机与通信工程学院,郑州4500002.郑州轻工业大学 计算机与通信工程学院,郑州4500003.郑州轻工业大学 计算机与通信工程学院,郑州450000
摘要：协同过滤算法如今已经广泛地应用在推荐系统领域,但大多未考虑数据的时效特征,近期长短期记忆网络(LSTM)在用户短期偏好建模方面显示出了巨大的优势,它能描述数据随时间变化的动态特征.因此本文将LSTM与协同过滤算法相结合,提出基于LSTM的协同过滤算法模型LSMF,该模型应用循环神经网络结构来动态模拟会话上下文,建模短期行为偏好,并自适应融合长期行为偏好进行推荐.在Netflix数据集上与传统方法BPRMF、LSTM和两种基于RNN的最新模型NARM、T-LSTM相比,用户行为预测有了显著的改进.试验结果表明,基于LSMF算法模型的推荐系统有较高的推荐准确度.
关键词：循环神经网络LSTM协同过滤长短期偏好
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(61802353)
论文发表日期：2020-06-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 151-157 )
英文信息