1. 合肥师范学院计算机学院, 合肥 230601; 2. 安徽大学计算机学院, 合肥 230039; 3. 中国科学技术大学, 合肥 230026
出版日期:
2020-04-25发布日期:
2020-05-30Study on Social Recommendation Algorithm Based on Bayes and Self-Encoder
WANG Dagang 1,2 ,ZHONG Jin 1,3 ,WU Hao11. School of Computer Science and technology, Hefei Normal University, Hefei 230601; 2. School of Computer Science and technology, Anhui University, Hefei 230039; 3. School of Computer Science and technology, University of Science and Technology of China, Hefei 230026
Online:
2020-04-25Published:
2020-05-30摘要
图/表
参考文献
相关文章
编辑推荐
-->Metrics
本文评论
为提高推荐结果的精度和个性化程度,文章有效利用多种信息源,将贝叶 斯方法和深度学习结合,提出一种基于贝叶斯自编码器的社会化推荐算法.算法首先利用混合隶属度随机块模型 MMSB (Mixed membership stochastic block)对用户间交互关系建模,结合用户的属性特征,利用自编码器学习用户的隐含特征向量; 然后利用主题模型结合自编码模块学习物品特征向量; 最后利用概率框架将物品和用户间的各种属性统一起来,共同学习矩阵分解模型中的关系矩阵.模 型中的参数利用变分EM算法进行推理.实验结果表明与同类算法比较,算法在精确度和覆盖率 上有不同程度的提升,且能够得到比较个性化的推荐结果.
分享此文: