典型文献
基于栈式降噪自编码器的深度推荐
文献摘要：
针对推荐系统的自然噪声问题,提出一种基于栈式降噪自编码器的深度推荐算法(Deep Recommendation Algorithm Based on Stacked Denoising Auto-encoder,SDAE-DR).该推荐算法包含采样、重构及推荐3个模块.采样模块利用交互矩阵中的隐式反馈和项目的属性信息构建知识图谱,利用知识图谱中项目之间共同的知识实体来执行负采样.重构模块利用采样模块初步筛选的数据获得用户和项目评分向量,利用栈式自编码器对数据进行重构,从而获得用户和项目的隐表示.推荐模块利用用户信息和项目信息分别获取用户和项目特征向量,再与重构模块获得的隐表示结合,通过多层感知机来获得预测评分.实验表明,该算法与基准线相比,具有更高的推荐准确性和算法运行效率.
文献关键词：
自然噪声;知识图谱;自编码器;深度学习;推荐系统
中图分类号：
作者姓名：
钟裔灵;朵琳
作者机构：
昆明理工大学 信息工程与自动化学院,云南 昆明 650500
文献出处：
引用格式：
[1]钟裔灵;朵琳-.基于栈式降噪自编码器的深度推荐)[J].电视技术,2022(07):60-64
A类：
B类：
栈式降噪自编码器,推荐系统,自然噪声,噪声问题,推荐算法,Deep,Recommendation,Algorithm,Based,Stacked,Denoising,Auto,encoder,SDAE,DR,样模,隐式反馈,属性信息,信息构建,中项,知识实体,负采样,初步筛选,得用,栈式自编码器,用用,用户信息,项目信息,取用,项目特征,特征向量,多层感知机,预测评分,基准线,和算
AB值：
0.39985
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。
