计算机应用研究

作者：李鹏,朱心如,苏忻洁,

单位：哈尔滨商业大学管理学院,哈尔滨150028；

关键词：贝叶斯个性化排序算法,推荐系统,卷积神经网络,流行度偏差,

基金：黑龙江省自然科学基金资助项目(LH2019F043)；哈尔滨商业大学青年科研项目(2019DS012)；2021年哈尔滨商业大学教师“创新”项目计划支持项目(LH2019F043)；；

针对数据不均衡条件下贝叶斯个性化排序算法生成的推荐列表中存在强流行度偏差的问题，提出基于特征嵌入的去流行度偏差混合推荐算法。首先，利用卷积神经网络提取用户、物品特征确定用户偏好，并依据用户偏好对原始不均衡数据进行评分填充；其次，将卷积神经网络提取的用户偏好特征嵌入到贝叶斯个性化排序算法中进行混合推荐；最后，用评分填充数据训练混合推荐模型，得到去流行度偏差的个性化排序列表。为了验证算法的性能，在公开数据集MovieLens-100K和MovieLens-1M上进行分析与对比实验，实验结果显示流行度偏差降低了约50%~60%，精确度提高了约一倍。

来源：2022年第11期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2022年第11期