随着互联网的飞速发展,我们进入信息爆炸的时代,人们很难从海量数据中提取出有效信息,推荐系统应运而生。神经网络是一大研究热点,也给推荐系统的发展带来新的机遇,因此,我们提出一种基于卷积神经网络的推荐系统,引入两个物品隐因子,并通过用户评分过的物品的隐向量之和表示用户;利用卷积神经网络不断学习来计算物品隐因子,以此得出用户的推荐物品列表。与目前先进的算法作比较,实验结果显示,本算法具有更好的准确率和稳定性,有效缓解了数据稀疏性问题。
科研之友
微信
新浪微博
Facebook
分享链接
