论文部分内容阅读
针对传统协同过滤算法仅利用评分信息作为推荐依据，没有利用用户评论和标签信息，无法准确反映用户对项目特征的偏好，推荐精确度低且容易过拟合等问题，提出一种基于堆栈降噪自编码（SDAE）改进的混合推荐（SDHR）算法。首先利用深度学习模型SDAE从用户自由文本标签中抽取项目的显式特征信息；然后，改进隐因子模型（LFM）算法，使用显式项目特征信息替换LFM中的抽象特征，进行矩阵分解训练；最后通过用户-项目偏好矩阵为用户提供推荐。在公开数据集MovieLens上的实验测试，与三组推荐模型（基于标签权重及协同过滤、基