基于深度学习加强混合推荐方法.PDFVIP

基于深度学习加强的混合推荐方法* 丁弼原，张敏，谭云志，刘奕群，马少平 (清华信息科学与技术国家实验室（筹），清华大学计算机系, 智能技术与系统国家重点实验室，北京，100084) z-m@ 摘要：近年来基于矩阵分解的协同过滤算法在评分预测上取得的显著成果，但冷启动、数据稀疏等问题仍 然未能得到很好的解决，因此如何将评论信息引入推荐系统以缓解上述问题，开始成为研究的热点之一。 另一方面深度学习在图像处理、自然语言处理等领域已经发挥重要作用，其对文本的编码与分析能力恰好 适应推荐领域当前正在研究的问题。本文尝试基于深度学习来加强个性化推荐，提出将层叠降噪自动编码 器（SDAE）与隐含因子模型 （LFM）相结合的混合推荐方法，综合考虑评论文本与评分，以提升推荐模型对 潜在评分预测的准确性。在常用大规模公开数据集Amazon 上进行的测试结果表明，与传统推荐模型相比， 所提出方法可有效提高评分预测的准确性，最高可达到64.43%的性能提升。 关键词：深度学习；协同过滤；混合推荐 Hybrid Recommendation Approach Enhanced by Deep Learning