典型文献
深度学习框架下混合协同过滤算法研究
文献摘要：
传统的推荐系统在面对大量动态、复杂的数据时,仅仅通过用户的已知数据和历史行为进行分析,得到评分准则继而进行推荐,存在推荐精度不高、数据稀疏性和冷启动问题,难以满足用户对信息的需求.针对这一情况提出深度学习框架下基于用户的混合协同过滤算法,利用深度神经网络模型进行特征提取解决用户信息不对称带来的数据稀疏问题,同时将评分矩阵与项目属性信息融合应用得到项目间的映射关系并进行聚类分析,解决面对新项目、新用户时数据库中没有相关信息,推荐精度不高的问题.最后通过实验仿真,验证本文算法可以有效提高推荐准确率,提升用户的满意度和网络体验感.
文献关键词：
深度学习;协同过滤;推荐系统;信息融合;属性信息;聚类分析
中图分类号：
作者姓名：
古险峰;白林锋
作者机构：
河南科技学院信息工程学院,河南新乡453003
文献出处：
引用格式：
[1]古险峰;白林锋-.深度学习框架下混合协同过滤算法研究)[J].哈尔滨商业大学学报（自然科学版）,2022(01):30-34
A类：
B类：
深度学习框架,协同过滤算法,算法研究,推荐系统,已知数,史行,推荐精度,数据稀疏性,冷启动问题,满足用户,深度神经网络模型,用户信息,信息不对称,评分矩阵,项目属性,属性信息,信息融合,融合应用,用得,映射关系,新用户,实验仿真,体验感
AB值：
0.363055
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
