神经网络推荐系统协同过滤算法研究_龙国虎(1).pdfVIP

第24卷第3期中国水运Vol.24No.3

2024年3月ChinaWaterTransportMarch2024

神经网络推荐系统协同过滤算法研究

龙国虎，朵琳

（昆明理工大学信息工程与自动化学院，云南昆明650500）

摘要：针对传统协同过滤算法中的冷启动和推荐准确度问题，提出一种在神经网络的基础上的算法。利用卷积神

经网络对用户以前的历史行为和评价项目属性建立卷积神经网络模型，然后，提取用户和其项目属性的特征，通过

全连接的方式对评分进行拟合，其次，运用关联和推理思想，利用关联矩阵计算方法，结合用户使用信息的评测和

系统内的关联项目进行对接，并自动生成关联矩阵所对应的信息项目集。最后，算出实际用户与其他用户之间的评

分信息相似性大小，依据评分的相似性大小。依照最相似邻居的评分信息算出实际用户没有评过的项目预测大小值，

接着根据预测值排名在前面项目对用户进行推荐，此推荐算法通过在数据集MovieLens采用对比试验进行验证，得

出该研究的算法解决了冷启动问题并同时提高了推荐的准确率。

关键词：神经网络；推荐系统；协同过滤；推荐算法；关联规则；遗忘函数；冷启动；推荐准确率

中图分类号：TP393文献标识码：A文章编号：1006-7973（2024）03-0040-03

随着人工智能和大数据时代的来临，各类推荐系统如雨

后春笋一般的涌现出来，如当前大家最熟悉的电影领域、音

乐领域、电商领域、社交领域和图书领域的都有各自成熟的

推荐算法。传统的推荐过程中，以用户的浏览频次进行由高

到低的排列，以排名靠前的信息优先推荐给客户，在基于神

经网的协同过滤算法推荐系统的计算过程中，能够通过仿真

实验和举证建模等算法模型，有效弥补传统协同过滤算法过

程中的种种缺陷，通过实践检验和用户的实际使用情况，都

表现出基于神经网络推荐系统的优先计算方式和人工智能推

荐模式，能快速准确的实现用户所需信息的推进过程，深受

当前广大用户的欢迎和热烈追捧。

一、相关技术理论

1．卷积神经网络模型

卷积神经网络模型从用户的相关信息和电影的相关参数

为着眼点，在嵌入层中逐渐进入到连接层，进行电影向量的

有效拼接，针对用户的浏览量，点击数关键词搜索和相关影

视的评论打分等相关操作，智能匹配用户的兴趣和爱好，实

现信息库中电影类型与用户个人爱好的及时对接，最后在输

出层中按照用户的兴趣和喜欢程度进行由高到低的排序。卷

积神经网络模型框架如图1所示。图1卷积神经网络模型框架

2．推荐系统中的算法户u和客户v在n维分布空间中的得分，就利用根据协同过

（1）余弦相似性（cosine）滤的电子网络商务市场交易差异化举荐算法分析研究客户u

余弦相似性度量模式是通过计算分布向量之间的余弦角和客户v相互之间的相似作用程度是：

来度量客户之间的距离，即相似度。客户-项目得分分布矩阵

u·v

可以看作是n维分布空间中的分布向量，对于未得分的投资simuv(,)cos(u,v)（1）

项目，将得分值调制为0，假设分布向量u和v依次表示客