基于循环神经网络和全局化领域的推荐算法
李利杰1
张君华2
1.宁波城市职业技术学院 宁波 3151002.宁波大学科技学院 慈溪 315300
摘要：推荐系统一定程度上缓解了互联网大数据所带来的信息过载问题,但是传统的推荐算法在数据稀疏和冷启动时推荐精准度下降严重,为此提出了一种基于循环神经网络与全局化领域的推荐算法(Recurrent Neural Network and Globle Domain Algorithm,RNGA).首先通过全局化领域优化框架提升了传统基于领域模型推荐算法的不足.其次将循环神经网络与全域化领域模型有机结合,运用循环神经网络获得用户的隐藏偏好,提升了推荐准确性.MovieLens上的基准数据的性能测试表明所提出的算法能有效提高推荐准确性.
关键词：循环神经网络全域领域模型推荐算法
分类号：TP391(计算技术、计算机技术)
资助基金：上海市自然科学基金(18ZR1414400)浙江省高教学会高等教育研究项目(KT2021285)浙江省教育厅科研项目(Y202045036)
论文发表日期：2022-08-20
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( 1676-1679,1701 )
英文信息