《计算机应用研究》|Application Research of Computers

融合矩阵补全与深度矩阵分解的推荐算法

Recommendation algorithm via fusing matrix completion and deep matrix factorization

免费全文下载 (已被下载 次)  
获取PDF全文
作者 史加荣,李金红
机构 西安建筑科技大学 理学院
统计 摘要被查看 次,已被下载
摘要 深度矩阵分解采用深层非线性映射,从而突破了矩阵分解中双线性关系影响推荐系统性能的瓶颈。但它没有考虑用户对未评分项目的偏好,且对于稀疏性较高的大规模数据,其推荐性能不具有优势。为此提出一种融合矩阵补全与深度矩阵分解的推荐算法。首先通过矩阵补全模型将原始评分矩阵中的未知元素进行填补,然后依据补全后的矩阵,利用深度学习模型分别构建用户和项目潜在向量。最后,在MovieLens和sushi数据集上进行测试,实验结果表明:与深度矩阵分解相比,所提算法显著地提高了推荐系统的性能。
关键词 推荐系统;深度矩阵分解;矩阵补全;矩阵分解;深度学习
基金项目 陕西省自然科学基金资助项目(2020JM-490)
本文URL http://www.arocmag.com/article/02-2021-07-007.html
收稿日期
修回日期
页码 -
中图分类号 TP18
文献标志码