融合信任度的神经网络推荐算法 |
| |
引用本文: | 姜久雷,潘姿屹,李盛庆.融合信任度的神经网络推荐算法[J].计算机应用与软件,2023(8):274-282+311. |
| |
作者姓名: | 姜久雷 潘姿屹 李盛庆 |
| |
作者单位: | 1. 常熟理工学院计算机科学与工程学院;2. 北方民族大学计算机科学与工程学院 |
| |
基金项目: | 国家自然科学基金地区科学基金项目(61762002);;教育部人文社会科学研究青年基金项目(18YJC870011); |
| |
摘 要: | 传统神经网络协同过滤算法存在建模复杂、训练效率不高、数据稀疏的问题,导致推荐精度较低。通过度量用户间的信任关系的强弱来丰富现有的稀疏数据集,添加社交信任这一特征属性提高推荐算法的相关性能,针对项目上下文信息的神经网络协同过滤算法(IFE-NCF)提出一种融合信任度与注意力机制的神经网络推荐算法T-NAMF。该算法将用户-用户之间的信任度值加入到特征向量中并且在神经网络模型中加入注意力机制,增大关键隐式反馈信息的权重,用来缓解社交网络中大量数据信息缺失的问题。在MovieLens-1m和Pinterest-20两个数据集上的实验测试表明,T-NAMF算法与部分基于NCF的经典算法相比,在推荐效果上有明显提升。
|
关 键 词: | 社交网络 信任度 神经网络 注意力机制 |
|
|