基于DE蝙蝠算法的混合推荐模型设计
何昌隆
文斌
成都信息工程大学通信工程学院 成都 610225
摘要：针对单一推荐算法的精度不足以及数据稀疏问题,普通加权混合推荐模型权值难以收敛到全局最优的问题,提出了一种基于差分进化蝙蝠算法构建的多元加权混合推荐模型(DEBA-Hybrid Recommendation Model).该模型通过差分进化蝙蝠算法优秀的全局寻优能力来寻找到适当的权值,对多种主流的推荐算法进行加权融合,以生成最终的用户评分预测矩阵进行物品推荐.使用RMSE和MAE指标在Movielens公开数据集上进行模型评估,结果表明该模型对比单一推荐算法和传统的加权混合推荐模型在推荐效果上有明显提升,具有实际意义.
关键词：混合推荐模型蝙蝠算法差分进化推荐算法协同过滤
分类号：TP391(计算技术、计算机技术)
论文发表日期：2022-07-20
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：5( 1439-1443 )
英文信息