基于属性映射和自动编码神经网络的特征矩阵初始化方法

摘要

本发明公开了一种基于属性映射和自动编码神经网络的特征矩阵初始化方法，属于个性化推荐领域，本申请首先获取物品属性并构建物品属性矩阵，然后利用物品属性种类来确定物品特征矩阵的维度，同时使用物品属性矩阵对物品特征矩阵初始化，既避免通过多次实验选择维度，又提高了收敛效率；针对传统矩阵分解利用随机值初始化的方法精度低，效率差且可解释性不强的问题，本申请利用物品属性矩阵的值对特征矩阵进行初始化，通过属性映射机制拟合评分矩阵得到物品特征向量，提高了收敛效率；当属性种类较多时，特征矩阵维度较大，本申请使用自动编码技术对使用物品属性矩阵初始化后的特征矩阵进行降维，降低了算法的复杂度。