典型文献
基于特征嵌入的去流行度偏差混合推荐算法
文献摘要：
针对数据不均衡条件下贝叶斯个性化排序算法生成的推荐列表中存在强流行度偏差的问题,提出基于特征嵌入的去流行度偏差混合推荐算法.首先,利用卷积神经网络提取用户、物品特征确定用户偏好,并依据用户偏好对原始不均衡数据进行评分填充;其次,将卷积神经网络提取的用户偏好特征嵌入到贝叶斯个性化排序算法中进行混合推荐;最后,用评分填充数据训练混合推荐模型,得到去流行度偏差的个性化排序列表.为了验证算法的性能,在公开数据集MovieLens-100K和MovieLens-1M上进行分析与对比实验,实验结果显示流行度偏差降低了约50％-60％,精确度提高了约一倍.
文献关键词：
贝叶斯个性化排序算法;推荐系统;卷积神经网络;流行度偏差
中图分类号：
作者姓名：
李鹏;朱心如;苏忻洁
作者机构：
哈尔滨商业大学管理学院,哈尔滨150028
文献出处：
引用格式：
[1]李鹏;朱心如;苏忻洁-.基于特征嵌入的去流行度偏差混合推荐算法)[J].计算机应用研究,2022(11):3275-3280
A类：
流行度偏差,贝叶斯个性化排序算法
B类：
特征嵌入,混合推荐算法,数据不均衡,取用,品特,用户偏好,不均衡数据,偏好特征,充数,数据训练,混合推荐模型,序列表,公开数据集,MovieLens,100K,1M,一倍,推荐系统
AB值：
0.196079
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。
