典型文献
基于深度距离分解的推荐算法研究
文献摘要：
针对推荐系统中的矩阵分解算法只根据用户和物品的特征向量进行点积运算,无法准确衡量不同用户对物品偏好的弊端,该文提出了一种基于深度距离分解模型的推荐算法.首先,改变传统矩阵分解直接对评分值进行分解的模式,将用户与物品的评分矩阵转化为距离矩阵;然后,将距离矩阵分别按行和按列输入两个深度神经网络进行训练,得到用户和物品的距离特征向量;接下来,用距离特征向量计算用户和物品之间的距离值,通过设计的损失函数使预测距离值与真实距离值的误差达到最小;最后,将用户与物品的预测距离值转化为预测评分.实验结果表明,在不同数据集中,该文提出的基于深度距离分解模型的推荐算法在RMSE和MAE指标上均优于基线推荐算法.
文献关键词：
距离分解;深度神经网络;评分预测
中图分类号：
作者姓名：
钱梦薇;过弋
作者机构：
华东理工大学 信息科学与工程学院,上海 200237;大数据流通与交易技术国家工程实验室 商业智能与可视化研究中心,上海 200436;上海大数据与互联网受众工程技术研究中心,上海 200037
文献出处：
引用格式：
[1]钱梦薇;过弋-.基于深度距离分解的推荐算法研究)[J].中文信息学报,2022(05):41-48
A类：
距离分解
B类：
度距离,推荐算法,算法研究,推荐系统,矩阵分解,特征向量,行点,同用,分解模型,改变传统,评分矩阵,距离矩阵,深度神经网络,距离特征,接下来,损失函数,测距,预测评分,RMSE,MAE,评分预测
AB值：
0.282854
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。
