基于用户偏好评分值修正的深度神经网络推荐模型

摘要：

针对工业产业链上下游产品选购中用户对产品评分习惯差异较大的问题,结合用户评分习惯提出修正算法,构建一种基于用户偏好评分值修正的深度神经网络推荐模型(UPDNN).该方法首先通过历史数据对各用户评分偏好进行学习,设计特有的满意度投影函数将用户评分投影至满意度空间进行修正,然后在满意度空间中通过深度神经网络进行推荐模型训练和待测产品满意度预测,最终给出用户的Top-k推荐产品表,实现产品推荐.实验结果表明,UPDNN较经典推荐算法在Movielens数据集上的推荐结果更贴合用户喜好,验证了所提方法的有效性.

关键词：评分值修正、深度神经网络、信息提取、特征处理

所属期刊栏目：30

分类号：TP39(计算技术、计算机技术)

在线出版日期：2024-08-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：2486-2494