一种基于文本卷积神经网络的推荐算法

摘要：

传统的矩阵因子分解模型不能有效提取用户和物品特征,而基于深度学习模型可以很好地提取特征信息.当前,主流的基于深度学习推荐算法只是单一地将神经网络的输出或物品特征与用户特征乘积的形式来做推荐预测,不能充分挖掘用户和物品之间的关系.基于此,本文提出一种基于文本卷积神经网络与带偏置项的奇异值分解(BiasSVD)结合的推荐算法,利用文本卷积神经网络(TextCNN)来充分提取用户和物品的特征信息,然后用奇异值分解方法来做推荐,深层次理解文档上下文信息,进一步提高推荐的准确性.将该算法在MovieLens的2个真实数据集上做广泛的评估分析,推荐的准确度要明显优于ConvMF算法及主流深度学习推荐算法.

关键词：矩阵分解、奇异值分解、深度学习、文本卷积神经网络

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61573019

在线出版日期：2020-11-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：7-11,16