【摘要】：近年來基于矩陣分解的協(xié)同過濾算法在評分預測上取得了顯著成果,但仍未能很好地解決冷啟動、數(shù)據(jù)稀疏等問題。因此,如何將評論信息引入推薦系統(tǒng)以緩解上述問題成為研究的熱點之一。該文嘗試基于深度學習來加強個性化推薦,提出將層疊降噪自動編碼器(stacked denoising auto-encoder,SDAE)與隱含因子模型(latent factor model,LFM)相結合的混合推薦方法,綜合考慮評論文本與評分,以提升推薦模型對潛在評分預測的準確性。在常用大規(guī)模公開Amazon數(shù)據(jù)集上進行的測試結果表明:與傳統(tǒng)推薦模型相比,該文提出的方法可有效提高評分預測的準確性,性能提升最高可達64.43%。
[Abstract]:In recent years, the collaborative filtering algorithm based on matrix decomposition has achieved remarkable results in score prediction, but it still can not solve the problems of cold start and sparse data. Therefore, how to introduce the review information into the recommendation system to alleviate the above problems has become one of the hot topics. This paper attempts to enhance personalized recommendation based on depth learning, and proposes a hybrid recommendation method which combines cascading noise reduction automatic encoder (stacked denoising auto-encoder,SDAE) with hidden factor model (latent factor model,LFM), and considers both comment text and rating. To improve the accuracy of recommendation models for potential score prediction. The test results on the commonly used large-scale open Amazon datasets show that compared with the traditional recommendation model, the proposed method can effectively improve the accuracy of score prediction, and the maximum performance improvement can be up to 64.43.
【作者單位】： 清華大學計算機系清華信息科學與技術國家實驗室(籌)智能技術與系統(tǒng)國家重點實驗室;
【基金】：國家自然科學基金資助項目(61672311,61532011)
【分類號】：TP391.3

【相似文獻】

相關期刊論文 前10條

1 徐義峰;陳春明;徐云青;;一種基于分類的協(xié)同過濾算法[J];計算機系統(tǒng)應用;2007年01期

2 楊風召;;一種基于特征表的協(xié)同過濾算法[J];計算機工程與應用;2007年06期

3 王嵐;翟正軍;;基于時間加權的協(xié)同過濾算法[J];計算機應用;2007年09期

4 曾子明;張李義;;基于多屬性決策和協(xié)同過濾的智能導購系統(tǒng)[J];武漢大學學報(工學版);2008年02期

5 張富國;;用戶多興趣下基于信任的協(xié)同過濾算法研究[J];小型微型計算機系統(tǒng);2008年08期

6 侯翠琴;焦李成;張文革;;一種壓縮稀疏用戶評分矩陣的協(xié)同過濾算法[J];西安電子科技大學學報;2009年04期

7 廖新考;;基于用戶特征和項目屬性的混合協(xié)同過濾推薦[J];福建電腦;2010年07期

8 徐紅;彭黎;郭艾寅;徐云劍;;基于用戶多興趣的協(xié)同過濾策略改進研究[J];計算機技術與發(fā)展;2011年04期

9 焦晨斌;王世卿;;基于模型填充的混合協(xié)同過濾算法[J];微計算機信息;2011年11期

10 宋緯華;田元;;基于蟻群算法的協(xié)同過濾推薦技術[J];農(nóng)業(yè)圖書情報學刊;2013年08期

相關會議論文 前10條

1 沈杰峰;杜亞軍;唐俊;;一種基于項目分類的協(xié)同過濾算法[A];第二十二屆中國數(shù)據(jù)庫學術會議論文集（技術報告篇）[C];2005年

2 周軍鋒;湯顯;郭景峰;;一種優(yōu)化的協(xié)同過濾推薦算法[A];第二十一屆中國數(shù)據(jù)庫學術會議論文集（研究報告篇）[C];2004年

3 董全德;;基于雙信息源的協(xié)同過濾算法研究[A];全國第20屆計算機技術與應用學術會議（CACIS·2009）暨全國第1屆安全關鍵技術與應用學術會議論文集（上冊）[C];2009年

4 張光衛(wèi);康建初;李鶴松;劉常昱;李德毅;;面向場景的協(xié)同過濾推薦算法[A];中國系統(tǒng)仿真學會第五次全國會員代表大會暨2006年全國學術年會論文集[C];2006年

5 李建國;姚良超;湯庸;郭歡;;基于認知度的協(xié)同過濾推薦算法[A];第26屆中國數(shù)據(jù)庫學術會議論文集（B輯）[C];2009年

6 王明文;陶紅亮;熊小勇;;雙向聚類迭代的協(xié)同過濾推薦算法[A];第三屆全國信息檢索與內容安全學術會議論文集[C];2007年

7 胡必云;李舟軍;王君;;基于心理測量學的協(xié)同過濾相似度方法(英文)[A];NDBC2010第27屆中國數(shù)據(jù)庫學術會議論文集(B輯)[C];2010年

8 林麗冰;師瑞峰;周一民;李月雷;;基于雙聚類的協(xié)同過濾推薦算法[A];2008'中國信息技術與應用學術論壇論文集（一）[C];2008年

9 羅喜軍;王韜丞;杜小勇;劉紅巖;何軍;;基于類別的推薦——一種解決協(xié)同推薦中冷啟動問題的方法[A];第二十四屆中國數(shù)據(jù)庫學術會議論文集（研究報告篇）[C];2007年

10 黃創(chuàng)光;印鑒;汪靜;劉玉葆;王甲海;;不確定近鄰的協(xié)同過濾推薦算法[A];NDBC2010第27屆中國數(shù)據(jù)庫學術會議論文集A輯一[C];2010年

相關博士學位論文 前7條

1 紀科;融合上下文信息的混合協(xié)同過濾推薦算法研究[D];北京交通大學;2016年

2 程殿虎;基于協(xié)同過濾的社會網(wǎng)絡推薦系統(tǒng)關鍵技術研究[D];中國海洋大學;2015年

3 于程遠;基于QoS的Web服務推薦技術研究[D];上海交通大學;2015年

4 李聰;電子商務推薦系統(tǒng)中協(xié)同過濾瓶頸問題研究[D];合肥工業(yè)大學;2009年

5 孔維梁;協(xié)同過濾推薦系統(tǒng)關鍵問題研究[D];華中師范大學;2013年

6 夏培勇;個性化推薦技術中的協(xié)同過濾算法研究[D];中國海洋大學;2011年

7 趙向宇;Top-N協(xié)同過濾推薦技術研究[D];北京理工大學;2014年

相關碩士學位論文 前10條

1 鄒騰飛;基于多特征融合的混合協(xié)同過濾算法研究[D];西南大學;2015年

2 于鈺雯;基于項目凝聚層次聚類的協(xié)同過濾推薦算法研究[D];遼寧大學;2015年

3 杜文剛;基于多屬性評分的協(xié)同過濾推薦算法研究[D];遼寧大學;2015年

4 高慧敏;融合占有度的時間遺忘協(xié)同過濾混合推薦算法研究[D];燕山大學;2015年

5 蘇靖涵;面向SaaS多租戶的動態(tài)推薦方法研究[D];遼寧大學;2015年

6 徐曉妮;基于人工魚群算法的協(xié)同過濾推薦算法研究[D];遼寧大學;2015年

7 羅培;移動購物導購關鍵技術的研究與系統(tǒng)實現(xiàn)[D];西南交通大學;2015年

8 李婧;融合用戶差異度及信息熵的協(xié)同過濾推薦算法[D];西安建筑科技大學;2015年

9 樂柱;基于誤差反饋的協(xié)同過濾算法[D];華南理工大學;2015年

10 馬兆才;基于協(xié)同過濾的推薦系統(tǒng)算法研究與實現(xiàn)[D];蘭州大學;2015年

，

本文編號：2285400