典型文献
融合多方面潜在特征和神经网络的推荐模型
文献摘要：
目前,潜在因子模型被广泛用于推荐,现有的方法大多利用用户与项目之间的交互信息来学习潜在特征,然而,用户和项目的潜在特征可能是来自多个方面.同时,考虑到神经结构可以替代矩阵分解中内积的形式,模拟用户和项目之间的交互,本文提出了一种融合多方面潜在特征和神经网络的推荐模型.首先,将推荐系统建模为包含丰富语义的异构信息网络,然后利用元路径和异构skip-gram模型提取并学习不同方面的潜在特征;其次,结合注意力机制将这些特征向量加权融合;最后,将得到的用户和项目的全局向量表示送入到神经网络中以实现评分预测.本文模型在movielens数据集和豆瓣电影数据集上进行了实验,结果表明,该算法相比于传统仅基于单一方面的算法和不采用神经结构的算法具有更低的平均绝对误差和均方误差.
文献关键词：
潜在因子模型;异构信息网络;元路径;多方面特征;推荐系统
中图分类号：
作者姓名：
郑诚;付娴;董露露
作者机构：
安徽大学 计算机科学与技术学院,合肥230601;安徽广播电视大学 教务处,合肥230022
文献出处：
引用格式：
[1]郑诚;付娴;董露露-.融合多方面潜在特征和神经网络的推荐模型)[J].小型微型计算机系统,2022(01):35-41
A类：
movielens
B类：
潜在特征,推荐模型,潜在因子模型,多利,用用,交互信息,矩阵分解,内积,拟用,推荐系统,系统建模,富语义,异构信息网络,元路径,skip,gram,注意力机制,特征向量,加权融合,向量表示,送入,评分预测,豆瓣,电影数据,平均绝对误差,均方误差,多方面特征
AB值：
0.386018
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。
