基于深度学习的协同过滤推荐算法

摘要

利用深度学习在特征提取方面的优势,挖掘嵌入用户和项目信息中的隐藏信息,改善传统协同过滤算法中存在的数据稀疏性及冷启动问题,将提取到的特征信息运用协同过滤算法评分预测,并且考虑用户的兴趣漂移情况和物品流行度情况,增加用户时间偏置和项目时间偏置,使算法具有实时性。最后与多种算法进行对比实验,通过计算RMSE,评估算法的可行性与有效性。实验结果表明,基于深度学习的协同过滤推荐算法可行有效,能缓解传统协同过滤算法中存在的数据稀疏性、冷启动问题,具有实时性,提高推荐准确率,具有良好的推荐效果。