计算机应用研究

作者：史加荣,李金红,

单位：西安建筑科技大学理学院,西安710055；

关键词：推荐系统,深度矩阵分解,矩阵补全,矩阵分解,深度学习,

基金：陕西省自然科学基金资助项目(2021JM-378)；；

深度矩阵分解采用深层非线性映射，从而突破了矩阵分解中双线性关系影响推荐系统性能的瓶颈，但它没有考虑用户对未评分项目的偏好，且对于稀疏性较高的大规模数据其推荐性能不具有优势，为此提出一种融合矩阵补全与深度矩阵分解的推荐算法。首先通过矩阵补全模型将原始评分矩阵中的未知元素进行填补，然后依据补全后的矩阵，利用深度学习模型分别构建用户和项目潜在向量。最后，在MovieLens和SUSHI数据集上进行测试，实验结果表明，与深度矩阵分解相比，所提算法显著地提高了推荐系统的性能。

来源：2021年第8期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2021年第8期