基于深度学习的多角度综合推荐模型.PDFVIP

Multi-View Comprehensive Recommendation Model Based on Deep Learning 基于深度学习的多角度综合推荐模型 文 / 陈明毅 1 邱卫东 2 (1. 上海交通大学，上海 200240；2. 上海交通大学，上海 200240） 编辑 / 杨有韦 Mingyi Chen Weidong Qiu 究 摘要 │在传统的推荐领域中，因受限于用户和物品交互的稀疏性，人们常用的推荐算法例如协同过滤往往面临着性能不佳和准确性不 探 术 理想等问题。随着互联网的兴起，数据量呈现出爆发式增长，深度学习技术得到了很好的发展。作为解决这些问题的一种新思路，与 学 深度学习结合的推荐方法开始进入我们的视野。我们对如何使用深度学习的方法对各种辅助信息进行处理来优化推荐系统进行了重点 研究。 关键词 │推荐系统；协同过滤；深度学习；卷积神经网络 Y R I 文章编号 │ 2096-255X（2018）12—0032—06 U Q 开放科学（ 资源服务）标识码（OSID ） N 中图分类号 │ TP181 文献标识码 │ A I C I M E D A Abstract │ In the traditional recommendation field, due to the sparseness of user and item interaction, Commonly used C A recommendation algorithms such as collaborative filtering often face problems such as poor performance and poor accuracy. With the rise of the Internet, the amount of data has exploded, and deep learning technology has been well developed. As a new way to solve these problems, the recommended method combined with deep learning began to enter our field of vision. We focused on how to use the deep learning method to process various auxiliary information to optimize the recommendation system. Keywords │ Recommendation system, collaborative filtering, deep learning, convolutional neural network 2 3 引言 1.概述 近些年来，由于大数据、云计算等新技术的快速发展，各种 本文的内容安排如下：引言部分介绍了我们的模型是为了解 应用和服务层出不穷带来了信息的爆炸式增长，如何从如此海 决数据稀疏和冷启动时面临的问题而提出的。第一节概述了文章 量复杂的数据中提取有用信息成为了目前各行各业关注的重点问 的内容安排，文章的框架。第二节深入介绍了组件的使用。在第 题。到目前为止，推荐系统，作为发挥这些数据作用最成熟的方 三节中，主要阐述了如何有效地将协同过滤与信息特征提取整合 式，得到了学术界和工业界的高度关注。在众多的推荐方法中， 到一个模型中。第四节分析了实验结果，第五节对文章结论进行 协同过滤（CF）通过利用用户和物品的历史交互记录或打分偏好， 了简要回顾。 取得了显着的效果，是目前应用最多