典型文献
改进的矩阵分解与BP神经网络在电影推荐中的研究
文献摘要：
传统的矩阵分解在获取特征矩阵的过程中,没有很好地考虑矩阵的实际意义,并且普遍使用随机梯度下降(SGD)或交替最小二乘(ALS)法优化目标函数.本文提出一种改进的神经网络方法,将用户对电影的评分矩阵分解成电影类型矩阵与用户偏好矩阵,并结合BP(back propagation)神经网络进行训练.训练过程中使用了改进的Adam方法,该方法考虑时间因素,防止学习率震荡,使用融合时间因素和高斯核函数的方法对学习率分段修正.最后在MovieLens数据集上进行仿真,与基于用户的协同过滤User-CF和基于物品的协同过滤Item-CF,以及在SGD和Adam优化器上进行对比,其准确率和MAE性能参数均有所提升.
文献关键词：
神经网络;电影;推荐系统
中图分类号：
作者姓名：
黎丹冰;丁阳;陈怡华;吕雪松;黎丹雨
作者机构：
武汉理工大学继续教育学院,湖北 430070;广州探途网络技术有限公司研发部,广州 510000;广州新华学院信息科学学院,广州 510000
文献出处：
引用格式：
[1]黎丹冰;丁阳;陈怡华;吕雪松;黎丹雨-.改进的矩阵分解与BP神经网络在电影推荐中的研究)[J].现代计算机,2022(18):30-35
A类：
B类：
矩阵分解,电影推荐,特征矩阵,实际意义,随机梯度下降,SGD,交替最小二乘,ALS,优化目标,神经网络方法,评分矩阵,分解成,电影类型,用户偏好矩阵,back,propagation,训练过程,Adam,法考,时间因素,学习率,震荡,高斯核函数,函数的方法,MovieLens,User,CF,基于物品的协同过滤,Item,优化器,MAE,性能参数,参数均,推荐系统
AB值：
0.49063
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。
