| 《计算机应用研究》优先出版 » 2021年第38卷 » 第7期 » 算法研究探讨 |
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 |
| 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 … 次 |
| 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 | |