|
|||||
|
|
| 基于降噪自编码器网络与词向量的信息推荐方法 | |
| 作者单位： | ;1.解放军信息工程大学信息系统工程学院;2.解放军外国语学院 |
| 摘 要： | 基于降噪自编码器的推荐方法缺乏对项目共现关系的分析能力,且模型存在参数冷启动问题。为此,基于降噪自编码器网络与词向量,提出一种信息推荐方法。将用户看作文档,将用户评价过的项目看作词语,以此构建训练语料。利用词向量模型对语料进行训练,得到隐含上下文信息的项目向量。将所有项目向量作为初始权重构建降噪自编码器神经网络,训练得到模型参数。通过模型预测用户评分完成top-N推荐。在标准数据集上的实验结果表明,该方法能提高推荐准确率,训练速度优于降噪自编码、奇异值矩阵分解和协同过滤推荐方法。 |
| 关 键 词： | 信息推荐 神经网络 降噪自编码器 词向量 参数冷启动 |
Information Recommendation Method Based on Denoising Auto-encoder Network and Word Vector |
|
| Abstract: | |
| Keywords: | |
