10.3969/j.issn.1000-386x.2021.03.030
基于深度学习的多元信息嵌入推荐模型
传统的矩阵分解法只能简单提取低阶信息,特征组合单一,无法挖掘更多隐含信息.依赖稀疏的评分表已经无法满足个性化推荐.MovieLens数据集是研究推荐系统的经典数据集.通过改进神经协同过滤模型,使用多个嵌入层对MovieLens数据集所有信息进行嵌入分析,充分挖掘隐含信息,使得推荐算法更有实用意义.通过在MovieLens-100k和MovieLens-1 m上设置多组对照实验表明,该改进模型不仅学习了更多信息,而且与神经协同过滤模型相比,其错误率显著减小.
神经协同过滤、个性化、矩阵分解、嵌入、电影推荐系统
38
TP391(计算技术、计算机技术)
2021-03-23（万方平台首次上网日期，不代表论文的发表时间）
共6页
196-201
