《電子技術應用》
您所在的位置:首頁 > 其他 > 設計應用 > 基于深度網絡的推薦系統偏置項改良研究
基于深度網絡的推薦系統偏置項改良研究
信息技術與網絡安全
張天蔚
(山東省計算中心(國家超級計算濟南中心),山東 濟南250014)
摘要: 傳統的矩陣分解算法為用戶和項目分別獨立設置了偏置項,而沒有深入挖掘特定用戶對于特定項目的隱性偏好;同時,傳統的排序預測推薦算法將用戶所有打分過的項目都統一地設置為該用戶的正例項目(無論用戶給出了好評還是差評),這導致訓練完成的系統在實際應用中很可能會為用戶繼續推薦其厭惡的項目。因此提出了一種基于深度網絡的推薦系統偏置項改良方案,該改良方案考慮了用戶為特定項目所作的評分背后所蘊含的好惡態度,并學習出一個用戶-項目聯合偏置項加入到推薦過程中以提升推薦性能。在三個公開數據集上進行的對比實驗結果表明,該改良方案可以有效地提升推薦的性能表現。
中圖分類號: TP391
文獻標識碼: A
DOI: 10.19358/j.issn.2096-5133.2021.08.007
引用格式: 張天蔚. 基于深度網絡的推薦系統偏置項改良研究[J].信息技術與網絡安全,2021,40(8):42-46.
Research on improvement of bias in recommendation system based on deep neural network
Zhang Tianwei
(Shandong Computer Science Center(National Super Computer Center in Jinan),Jinan 250014,China)
Abstract: Traditional matrix factorization algorithm sets bias for users and items independently, without digging into the latent preferences of specific users for specific items. As in traditional ranking prediction recommendation algorithm, all the rated items of a user are uniformly set as the user′s positive items(regardless of whether the user gives a good or a bad review). As a result, the trained system is likely to continue to recommend projects that users hate in practical applications. Therefore, an improved bias improvement scheme of recommendation system based on deep neural network is proposed, which takes into account the liking and disliking behind the ratings made by users for specific items, and a joint bias is learned for the recommendation process. The results of comparative experiments on three open datasets show that the improved scheme can effectively improve the recommended performance.
Key words : recommendation algorithm;collaborative filtering;deep neural network;implicit feedback


0 引言

隨著互聯網的迅猛發展,用戶想要從海量的信息中獲取自己真正感興趣的內容已經變成了一件頗有挑戰性的工作。解決這種“信息過載”問題的常用技術之一就是推薦系統[1-2]。推薦系統往往利用用戶對于項目的歷史交互數據信息(如評分、評論、歷史購買記錄等)[3]建立模型來挖掘用戶與項目之間的隱性關聯[4-5],從而得以為用戶推薦與其喜好的歷史交互項目高度相似的新項目,幫助用戶篩選出其需要的信息[6-7]。




本文詳細內容請下載:http://m.viuna.cn/resource/share/2000003723





作者信息:

張天蔚

(山東省計算中心(國家超級計算濟南中心),山東 濟南250014)


此內容為AET網站原創,未經授權禁止轉載。
主站蜘蛛池模板: 欧美69色 | 成人18免费网 | 99久久精品国产亚洲 | 狠狠干夜夜骑 | 日本欧美一区二区三区在线观看 | 羞羞视频免费观 | 一级毛片免费观看久 | 一级毛片特黄久久免费看 | 韩国理伦伦片在线观看 | 999视频精品全部免费观看 | 天天操天天操天天射 | 色综合网站国产麻豆 | 精品综合久久久久久8888 | 国产精品欧美久久久久天天影视 | 亚洲福利视频网址 | 伦理剧网址在线播放 | 久久伊人中文字幕有码 | 看全色黄大色黄大片女图片第一次 | 最近最新中文字幕高清免费 | 欧美日韩黄色 | 亚洲精品福利 | 成年网站在线看 | 最近中文字幕2019免费6 | 欧美福利网站 | 久草在现 | 涩涩涩丁香色婷五月网视色 | free性hd另类 | 日日摸夜夜摸狠狠摸97 | 国产精品v欧美精品v日韩精品 | 在线免费毛片 | 国产在线精品成人一区二区三区 | 天天综合天天做 | 深夜福利免费观看 | 91成人抖音 | 99久久精品国产一区二区 | 亚洲免费在线看 | 国产一级特黄全黄毛片 | 成人在免费视频手机观看网站 | 亚洲精品国精品久久99热 | 羞羞视频免费观看网站 | 高清国产精品久久 |