典型文献
结合时间特征的协同过滤深度推荐算法
文献摘要：
针对推荐算法中的数据稀疏性和冷启动问题,提出了基于卷积神经网络的结合时间特征的协同过滤深度推荐算法(CNN-deep recommend algorithm with time,C-DRAWT)与基于多层感知机的结合时间特征的协同过滤深度推荐算法(MLP-deep recommend algorithm with time,M-DRAWT).算法进行数据预处理,利用二进制来编码用户与项目的信息,缓解了one-hot编码的书籍稀疏性问题.提取出用户与项目的隐藏特征,将用户和项目的特征融合时间戳特征,分别输入到优化后的卷积神经网络和多层感知机进行,得到最新时刻的推荐项目.两个算法经过基于MovieLens-1M数据集的对比实验验证,得到的F1-Score值平均提高了0.78％,RMSE值平均提高了2.7％.结果表明,该方法能够缓解数据稀疏性和冷启动问题,相比较于之前的模型具有较好的推荐效果.
文献关键词：
推荐算法;时间特征;深度学习;卷积神经网络;多层感知机
中图分类号：
作者姓名：
魏紫钰;朱小栋;徐怡
作者机构：
上海理工大学 管理学院,上海 200093
文献出处：
引用格式：
[1]魏紫钰;朱小栋;徐怡-.结合时间特征的协同过滤深度推荐算法)[J].计算机工程与应用,2022(23):67-73
A类：
DRAWT
B类：
时间特征,协同过滤,推荐算法,数据稀疏性,冷启动问题,deep,recommend,algorithm,多层感知机,MLP,数据预处理,二进制,one,hot,书籍,隐藏特征,特征融合,时间戳,别输,法经,MovieLens,1M,Score,RMSE,解数,推荐效果
AB值：
0.279314
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。
