基于长短期记忆网络的协同过滤算法研究

作者：张素智; 李鹏辉; 陈小妮

来源：湖北民族大学学报(自然科学版), 2020, 38(02): 151-157.

DOI：10.13501/j.cnki.42-1908/n.2020.06.008

• 循环神经网络
• LSTM
• 协同过滤
• 长短期偏好

协同过滤算法如今已经广泛地应用在推荐系统领域,但大多未考虑数据的时效特征,近期长短期记忆网络(LSTM)在用户短期偏好建模方面显示出了巨大的优势,它能描述数据随时间变化的动态特征.因此本文将LSTM与协同过滤算法相结合,提出基于LSTM的协同过滤算法模型LSMF,该模型应用循环神经网络结构来动态模拟会话上下文,建模短期行为偏好,并自适应融合长期行为偏好进行推荐.在Netflix数据集上与传统方法 BPRMF、LSTM和两种基于RNN的最新模型NARM、T-LSTM相比,用户行为预测有了显著的改进.试验结果表明,基于LSMF算法模型的推荐系统有较高的推荐准确度.

• 单位
  郑州轻工业大学