| 基于用户偏好和可疑度的推荐方法研究 |
| |
| 引用本文： | 吴彦文,刘闯.基于用户偏好和可疑度的推荐方法研究[J].计算机应用研究,2018,35(12). |
| |
| 作者姓名： | 吴彦文 刘闯 |
| |
| 作者单位： | 华中师范大学,华中师范大学 |
| |
| 摘 要： | 针对传统推荐算法在推荐过程中存在忽略用户偏好、用户恶意虚假信息和时间序列等问题，本文引入用户兴趣模型，结合用户可疑度与时间效应计算更新用户相似度，经过深度学习网络得到最佳推荐目标。为避免出现数据过拟合情况，在利用贪心思想训练用户数据时，给隐含层和可见层均加上了用户偏好，一定程度上提高深度学习网络的自学习能力。将改进的算法与传统协同过滤推荐算法在Movie Lens 数据集上做推荐对比实验，实验证明：相对于传统的推荐算法，改进的推荐算法可以大大提高项目推荐的精确度。
|
| 关 键 词： | 用户偏好 可疑度 时间效应 深度学习 |
| 收稿时间： | 2017/10/23 0:00:00 |
| 修稿时间： | 2018/10/30 0:00:00 |
Research on recommendation method based on user preference |
| |
| wuyanwen and liuchuang.Research on recommendation method based on user preference[J].Application Research of Computers,2018,35(12). |
| |
| Authors: | wuyanwen and liuchuang |
| |
| Affiliation: | College of Physical Science and Technology, CCNU University, |
| |
| Abstract: | |
| |
| Keywords: | User preferences the degree of suspicion Time effect Depth learning |
|
| 点击此处可从《计算机应用研究》浏览原始摘要信息 |
|
点击此处可从《计算机应用研究》下载全文 |
|
