科研之友
微信
新浪微博
Facebook
分享链接
摘要
传统的推荐算法只考虑用户的相似性或者项目间的相似性,忽略用户兴趣的动态变化,导致推荐精度会随时间推移而下降。针对此问题,提出基于遗忘函数的动态信息检索模型(Time-GAN):利用遗忘时间函数模型对原始用户评分数据进行加权处理,缓解因时间产生用户兴趣漂移而带来的影响;基于深度因子分解机DeepFM模型形成Time-GAN的生成模型,采用Pearson相似度计算生成推荐列表与用户真实列表之间相似性。通过对抗网络框架完成推荐列表对抗训练,利用MovieLens-100K数据集对模型进行了实验,实验结果表明,该算法的检验指标均优于对比实验,具有较好的推荐精度。
- 单位
