计算机应用研究

作者：梅少伟,张圣筛,

单位：1.上海第二工业大学计算机与信息工程学院,上海201209；2.上海理工大学管理学院,上海200093；3.上海杉达学院信息科学与技术学院,上海201209；

关键词：双通道自编码器,协同过滤,聚类增强,混合推荐系统,

基金：上海杉达学院校级基金资助项目(2024YB09)；2025年国家大学生创新创业资助项目(202511833013)；；

针对推荐系统中存在的数据稀疏性与冷启动问题，提出了一种基于局部敏感哈希聚类的双通道自编码器-协同过滤混合推荐算法。该方法首先利用LSH技术对用户进行高效聚类以降低计算开销，继而通过设计双通道自编码器结构，同步提取用户评分行为与电影类型偏好两种异构特征进行深度表示学习，最后结合混合协同过滤机制对预测结果进行优化。在MovieLens-100K、MovieLens-1M和Amazon-Book数据集上的实验结果表明，所提模型在排序质量指标NDCG@5上分别达到0.371 4、0.568 9和0.737，较当前最优模型取得16%的相对提升；评分预测误差RMSE分别降至0.326 6、0.443 5和0.560 6，较基准模型AutoRec降低69.6%。该模型在推荐准确性与排序质量方面均优于对比方法，能够在大规模高稀疏推荐场景下保持稳定性能，验证了其良好的可扩展性与鲁棒性。

来源：2026年第2期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2026年第2期