基于融合特征的LSTM评分预测

作者：张尚田; 陈光^*; 邱天^*

来源：计算机与现代化, 2020, (03): 49-53+59.

DOI：10.3969/j.issn.1006-2475.2020.03.010

• 隐语义模型
• F-LFM-LSTM模型
• 评分预测

隐语义模型(LFM)能够有效地提取用户和对象的特征。本文基于LFM所提取的有效特征,提出一种基于融合特征的长短期记忆网络(LSTM)评分预测模型(F-LFM-LSTM)。首先,运用LFM模型提取用户和对象的有效特征。然后,融合用户的职业、年龄、性别标签和对象类别标签等辅助信息。最后,运用LSTM网络训练得到预测评分。通过在Movie Lens100k数据集上实验表明,相比于几种得到较为广泛研究的算法,F-LFM-LSTM模型能够取得更好的评分预测效果。

• 单位
  南昌航空大学