现代计算机2022，Vol.28Issue(18) ：30-35.DOI:10.3969/j.issn.1007-1423.2022.18.005

改进的矩阵分解与BP神经网络在电影推荐中的研究

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
现代计算机2022，Vol.28Issue(18) ：30-35.DOI:10.3969/j.issn.1007-1423.2022.18.005
✕
  • 维普
  • 万方数据

改进的矩阵分解与BP神经网络在电影推荐中的研究

Research on Improved Matrix Decomposition and BP Network in Movie Recommendation

黎丹冰 1丁阳 2陈怡华 2吕雪松 3黎丹雨2
扫码查看

作者信息

  • 1. 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
  • 2. 广州新华学院信息科学学院,广州 510000
  • 3. 武汉理工大学继续教育学院,湖北 430070
  • 折叠

摘要

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.

关键词

神经网络/电影/推荐系统

引用本文复制引用

基金项目

&&(2019KYQN12)

基础研究计划基础与应用基础研究项目(2020)(202002030273)

出版年

2022
现代计算机
中大控股

现代计算机

影响因子：0.292
ISSN：1007-1423
参考文献量12
段落导航相关论文