-
题名融合画像约束和潜在特征的深度推荐算法
- 1
-
-
作者
艾均
柏光耀
苏湛
马菀言
-
机构
上海理工大学光电信息与计算机工程学院
-
出处
《建模与仿真》
2025年第4期417-428,共12页
-
基金
国家自然科学基金项目(61803264)资助。
-
文摘
基于深度学习的推荐算法已成为推荐系统领域的研究趋势。然而,大多数现有工作仅考虑单一的用户与物品交互数据,限制了算法的预测性能。本文提出一种画像约束的编码方式,并融合隐因子模型中的潜在特征,丰富了推荐算法的输入以提升评分预测的准确性。该算法利用矩阵分解得到潜在特征初始化用户与物品的嵌入,然后通过线性注意力机制增强模型对画像特征的敏感度,最后结合深度神经网络进行评分预测。通过本文算法与其他基线算法在MovieLens与Netflix数据集上进行对比,该算法与基线算法相比显著提高了评分预测的精度,并在推荐列表排序性能等方面表现出色。本文的研究揭示了加入用户与物品的画像约束和潜在特征,可以有效提升推荐系统的性能。
-
关键词
推荐系统
深度学习
画像约束
隐因子模型
线性注意力
-
Keywords
Recommender System
Deep Learning
portrait constraint
Latent Model
Linear Attention Mechanism
-
分类号
TP391.3
[自动化与计算机技术—计算机应用技术]
-
