基于DeepFM模型的科技资源推荐应用研究

摘要

在"互联网+"时代背景下,科技资源呈现出数据量巨大、属性繁多、数据稀疏等特点,传统的推荐模型难以实现精准推荐。鉴于此,将Deep FM模型应用到科技资源推荐中,用来预测用户对某个科技资源的点击概率。该模型首先使用基于嵌入的因子分解机提取用户以及科技资源数据二阶以下的特征,并学习每个特征所对应的嵌入向量;然后使用深度神经网络在学习好的嵌入向量上提取高阶特征;最后将两者融合用来预测用户的行为概率。实验结果表明,相比单独使用因子分解机和深度神经网络,Deep FM模型可以有效地缓解数据稀疏等问题,更加准确地预测用户对科技资源的点击率,有利于用户与科技服务产品之间的精准匹配,提高服务效率,增强用户的满意度。