首页|融合矩阵补全与深度矩阵分解的推荐算法

融合矩阵补全与深度矩阵分解的推荐算法

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
深度矩阵分解采用深层非线性映射,从而突破了矩阵分解中双线性关系影响推荐系统性能的瓶颈,但它没有考虑用户对未评分项目的偏好,且对于稀疏性较高的大规模数据其推荐性能不具有优势,为此提出一种融合矩阵补全与深度矩阵分解的推荐算法.首先通过矩阵补全模型将原始评分矩阵中的未知元素进行填补,然后依据补全后的矩阵,利用深度学习模型分别构建用户和项目潜在向量.最后,在MovieLens和SUSHI数据集上进行测试,实验结果表明,与深度矩阵分解相比,所提算法显著地提高了推荐系统的性能.
Recommendation algorithm via fusing matrix completion and deep matrix factorization

史加荣、李金红

展开 >

西安建筑科技大学 理学院,西安710055

推荐系统 深度矩阵分解 矩阵补全 矩阵分解 深度学习

2021JM-378

2021

10.19734/j.issn.1001-3695.2020.11.0374

计算机应用研究
四川省电子计算机应用研究中心

计算机应用研究

CSTPCDCSCD北大核心
影响因子：0.93
ISSN：1001-3695
年,卷(期)：2021.38(8)
  • 2
  • 6