基于记忆网络的物品协同过滤推荐的方法

摘要

本文发明属于推荐系统领域，具体为基于记忆网络的物品协同过滤推荐的方法，首先通过网站下载获取用户曾经交互过的物品和对物品的历史评分数据，进行预处理，转换数据格式，以用户历史曾经交互过的物品集合来标识该用户，并划分为训练集和测试集，额外剔除训练集中存在于用户历史交互过的物品集合中的目标物品，然后搭建记忆网络结构，初始化记忆网络的参数，再将训练集的数据输入到记忆网络中进行训练，直至网络收敛，通过对照实验调节网络中的超参数，获得最佳模型，最后通过测试集数据的预测来检验模型效果，得到用户对目标物品进行交互的概率。本发明的基于记忆网络的物品协同过滤推荐的方法，大大提高了物品协同过滤方法的预测准确性。