基于特征嵌入的去流行度偏差混合推荐算法

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘 要：针对数据不均衡条件下贝叶斯个性化排序算法生成的推荐列表中存在强流行度偏差的问题，提出基于特征嵌入的去流行度偏差混合推荐算法。首先，利用卷积神经网络提取用户、物品特征确定用户偏好，并依据用户偏好对原始不均衡数据进行评分填充；其次，将卷积神经网络提取的用户偏好特征嵌入到贝叶斯个性化排序算法中进行混合推荐；最后，用评分填充数据训练混合推荐模型，得到去流行度偏差的个性化排序列表。（剩余17472字）

试读结束

目录
monitor
客服机器人