基于深度学习的融合多源异构数据的推荐模型

冀振燕, 宋晓军, 皮怀雨, 杨春

北京交通大学 软件学院, 北京 100044

收稿日期:2019-07-30出版日期:2019-12-28发布日期:2019-11-15

作者简介:冀振燕(1970-),女,副教授,硕士生导师,E-mail:jzhenyan@hotmail.com.
基金资助:国家自然科学基金重点项目（S19A200010）；国家重点研发计划项目（R19B5200010）

Recommended Model for Fusing Multi-Source Heterogeneous Data Based on Deep Learning

JI Zhen-yan, SONG Xiao-jun, PI Huai-yu, YANG Chun

School of Software Engineering, Beijing Jiaotong University, Beijing 100044, China

Received:2019-07-30Online:2019-12-28Published:2019-11-15


Supported by:

摘要/Abstract

摘要： 为了充分利用多源异构数据所提供的信息提高推荐准确度，提出一个基于深度学习的混合推荐模型.该模型融合评分、评论和社交网络数据进行推荐，采用深度学习方法对文本和评分进行特征学习，然后使用社交网络对采样进行约束，从而得到更准确的用户和物品的特征表示.实验结果表明，该方法具有较高的准确度.
中图分类号:
TP311

引用本文

冀振燕, 宋晓军, 皮怀雨, 杨春. 基于深度学习的融合多源异构数据的推荐模型[J]. 北京邮电大学学报, 2019, 42(6): 35-42.
JI Zhen-yan, SONG Xiao-jun, PI Huai-yu, YANG Chun. Recommended Model for Fusing Multi-Source Heterogeneous Data Based on Deep Learning[J]. JOURNAL OF BEIJING UNIVERSITY OF POSTS AND TELECOM, 2019, 42(6): 35-42.





PDF全文下载地址:

https://journal.bupt.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=4592