基于神經(jīng)網(wǎng)絡和注意力機制的協(xié)同過濾推薦算法的研究

打開文本圖片集

摘  要： 針對協(xié)同過濾推薦算法中用戶?物品矩陣的稀疏性，使得傳統(tǒng)協(xié)同過濾算法推薦度較差的問題，提出一種改進的基于神經(jīng)網(wǎng)絡和注意力機制的協(xié)同過濾推薦算法B?SDAECF，旨在解決傳統(tǒng)推薦系統(tǒng)中數(shù)據(jù)稀疏的問題。結(jié)合Transformer模型的變式Bert模型和堆疊式降噪自動編碼器（SDAE），利用Bert模型從用戶評論中提取高質(zhì)量的特征表示，以獲得向量矩陣；并將向量矩陣作為SDAE的初始權重，從而使SDAE模型能夠更快速地運算，進而填充原有的用戶?項目評分矩陣。（剩余11769字）