结合时间特征的协同过滤深度推荐算法

摘要：

针对推荐算法中的数据稀疏性和冷启动问题,提出了基于卷积神经网络的结合时间特征的协同过滤深度推荐算法(CNN-deep recommend algorithm with time,C-DRAWT)与基于多层感知机的结合时间特征的协同过滤深度推荐算法(MLP-deep recommend algorithm with time,M-DRAWT).算法进行数据预处理,利用二进制来编码用户与项目的信息,缓解了one-hot编码的书籍稀疏性问题.提取出用户与项目的隐藏特征,将用户和项目的特征融合时间戳特征,分别输入到优化后的卷积神经网络和多层感知机进行,得到最新时刻的推荐项目.两个算法经过基于MovieLens-1M数据集的对比实验验证,得到的F1-Score值平均提高了0.78％,RMSE值平均提高了2.7％.结果表明,该方法能够缓解数据稀疏性和冷启动问题,相比较于之前的模型具有较好的推荐效果.

关键词：推荐算法、时间特征、深度学习、卷积神经网络、多层感知机

所属期刊栏目：58

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金;上海市人民政府发展研究中心基于互联网+的上海创新发展研究基地决策咨询研究项目

在线出版日期：2022-12-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：67-73