面向完全冷启动的深度混合协同过滤推荐算法
胡杨
陈健美
1.江苏大学计算机科学与通信工程学院 镇江 2120132.江苏大学计算机科学与通信工程学院 镇江 212013
摘要：基于矩阵分解的协同过滤算法近年来获得了巨大的成功,但是依然存在冷启动,忽视用户及物品特征等问题,从而导致推荐质量不佳,用户体验度下降.论文提出了一种基于深度学习的混合协同过滤推荐算法,尝试引入堆栈降噪自编码器学习物品的隐含特征,同时结合半监督S4VM和隐含因子模型,综合考虑物品的内容特征及时间因素,以预测未评分的数据,解决冷启动问题.在标准数据集Movielens上进行的测试表明:该算法能有效预测冷启动物品的评分,性能提升显著,较传统推荐性能提升约为12％.
关键词：协同过滤深度学习半监督S4VM混合推荐推荐算法
分类号：TP301(计算技术、计算机技术)
资助基金：国家自然科学基金(61702229)江苏省自然科学基础研究项目(BK201520531)全国统计科学研究项目(2016LY17)
论文发表日期：2020-03-20
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：6( 540-545 )
英文信息