典型文献
基于相似度计算的深度神经网络矩阵分解推荐算法
文献摘要：
针对用户评分信息密度稀疏以及推荐结果排序不够理想的问题,提出一种基于改进相似度的深度神经网络矩阵分解推荐算法.该算法将用户信息作为类序列,采用最长公共子序列算法寻找相似用户,让近期更符合用户兴趣的推荐结果出现在更靠前的位置,使得相似用户间的隐藏特征向量更加接近,并在运用深度神经网络学习用户和项目之间的隐藏特征时维持这种关系,从而提高模型的预测精度.在Epinions数据集上根据不同的性能指标进行对比实验,验证了该算法的推荐效果.
文献关键词：
推荐算法;最长公共子序列;深度学习;矩阵分解;相似度计算
中图分类号：
作者姓名：
陈辉;王锴钺
作者机构：
安徽理工大学 计算机科学与工程学院,安徽 淮南232001
文献出处：
引用格式：
[1]陈辉;王锴钺-.基于相似度计算的深度神经网络矩阵分解推荐算法)[J].山东理工大学学报（自然科学版）,2022(06):67-73
A类：
B类：
相似度计算,深度神经网络,矩阵分解,推荐算法,分信,进相,用户信息,类序,最长公共子序列,用户兴趣,隐藏特征,特征向量,神经网络学习,习用,Epinions,推荐效果
AB值：
0.35283
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。
