融合深度去噪自编码器和注意力机制的推荐算法

传统推荐算法无论在特征提取还是相似度计算方面仍存在数据稀疏和大量噪声数据问题，导致推荐效率不高、用户满意度低等问题，由此提出一种融合深度去噪自编码器和注意力机制的推荐算法。将深度去噪自编码器融入到基于项目相似度的协同过滤推荐算法中，同时加入了注意力机制，以惩罚活跃用户对实验结果的影响，既可以挖掘到用户与项目的线性特征又可以学习到用户与项目非线性特征。实验选取了MovieLens和Pinterest两个公开数据集，与传统推荐算法和近些年较先进算法相比，该算法能够显著提升传统推荐算法的性能，并可以缓解传统推荐算法存在的数据稀疏和冷启动问题。