一种结合深度贝叶斯模型和协同异构信息嵌入的电影推荐方法

摘要

本发明涉及一种结合深度贝叶斯模型和协同异构信息嵌入的电影推荐方法，包括：(1)对数据集构建加权异构信息网络，提取任意两个电影之间多种不同元路径；(2)计算基于不同元路径的电影之间的相似度，得到相似度矩阵；(3)通过贝叶斯SDAE得到基于不同元路径的电影的低维表示，并融入到概率矩阵分解PMF模型中；(4)得到概率矩阵分解的结果：用户潜在向量和电影的潜在向量，两者的点乘即为当前元路径用户对商品的预测评分值；(5)采用监督学习算法为基于不同元路径得到的用户对商品的预测评分值分配不同的权重，得到用户最终评分值；(6)将用户最终评分值最高的几个电影推荐给用户。本发明显著地改善了预测用户评分的准确率。