论文部分内容阅读
基于线性模型的矩阵分解推荐算法对信息的特征提取单一,当用户和物品含有大量隐含信息时,无法满足用户需求的个性化推荐。针对此问题,提出一种评分和社会标签融合的卷积神经网络推荐算法,该算法能够根据上下文信息,利用非线性模型提取隐含高阶信息,处理复杂且稀疏的数据。首先,设计由两路由多层感知器和卷积神经网络组成的深层网络结构,分别实现利用社会标签信息和用户评分信息建模用户兴趣和项目信息的潜在特征向量;然后,构建对多层神经网络学习后的结果进行融合的输出层,得出预测结果;最后,运用真实数据集进行实验验证。结果表明