首页|改进的矩阵分解与BP神经网络在电影推荐中的研究

改进的矩阵分解与BP神经网络在电影推荐中的研究

扫码查看
原文链接
  • 万方数据
  • 维普
传统的矩阵分解在获取特征矩阵的过程中,没有很好地考虑矩阵的实际意义,并且普遍使用随机梯度下降(SGD)或交替最小二乘(ALS)法优化目标函数.本文提出一种改进的神经网络方法,将用户对电影的评分矩阵分解成电影类型矩阵与用户偏好矩阵,并结合BP(back propagation)神经网络进行训练.训练过程中使用了改进的Adam方法,该方法考虑时间因素,防止学习率震荡,使用融合时间因素和高斯核函数的方法对学习率分段修正.最后在MovieLens数据集上进行仿真,与基于用户的协同过滤User-CF和基于物品的协同过滤Item-CF,以及在SGD和Adam优化器上进行对比,其准确率和MAE性能参数均有所提升.
Research on Improved Matrix Decomposition and BP Network in Movie Recommendation

黎丹冰、丁阳、陈怡华、吕雪松、黎丹雨

展开 >

武汉理工大学继续教育学院,湖北 430070

广州探途网络技术有限公司研发部,广州 510000

广州新华学院信息科学学院,广州 510000

神经网络 电影 推荐系统

&&基础研究计划基础与应用基础研究项目(2020)

2019KYQN12202002030273

2022

10.3969/j.issn.1007-1423.2022.18.005

现代计算机
中大控股

现代计算机

影响因子：0.292
ISSN：1007-1423
年,卷(期)：2022.28(18)
  • 12