基于深度学习加强的混合推荐方法

摘要

近年来基于矩阵分解的协同过滤算法在评分预测上取得的显著成果,但冷启动、数据稀疏等问题仍然未能得到很好的解决,因此如何将评论信息引入推荐系统以缓解上述问题,开始成为研究的热点之一.另一方面深度学习在图像处理、自然语言处理等领域已经发挥重要作用,其对文本的编码与分析能力恰好适应推荐领域当前正在研究的问题.本文尝试基于深度学习来加强个性化推荐,提出将层叠降噪自动编码器(SDAE)与隐含因子模型(LFM)相结合的混合推荐方法,综合考虑评论文本与评分,以提升推荐模型对潜在评分预测的准确性.在常用大规模公开数据集Amazon上进行的测试结果表明,与传统推荐模型相比,所提出方法可有效提高评分预测的准确性,最高可达到64.43％的性能提升.