首页> 中文期刊> 《微型电脑应用》 >基于自动编码器的协同过滤推荐算法

基于自动编码器的协同过滤推荐算法

         

摘要

针对在评分数据稀疏时,基于近邻的协同过滤算法的相似性度量不准确,以及存储相似性矩阵需要巨大空间的问题,提出一种基于自动编码器的协同过滤算法。首先,使用改进后的自动编码器无监督地学习用户行为,将高维、稀疏的用户行为压缩成低维、稠密的用户特征向量,然后,将用户的特征向量转换为二进制码,并以汉明距离作为用户相似性的度量,最后,基于用户间的相似性生成推荐物品列表。在MovieLens10M数据集上的结果表明,在解决隐式反馈行为下的TopN推荐问题时,该算法与现有的协同过滤算法相比,不仅能大大减少模型训练的空间开销,而且在推荐结果的覆盖率、新颖性上有大幅提升。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号