科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着互联网时代的不断发展，互联网上的信息量不断增多，“信息过载”等相关问题愈发严重，从而导致用户很难快速地获取到有用的信息，因此推荐系统应运而生。推荐系统可以预测用户的需求并推荐给用户其最可能喜欢的内容，来缓解人们从海量信息中做出选择的烦恼。推荐算法是推荐系统的核心，它完全可以决定一个推荐系统的性能。推荐准确度及可解释性是推荐算法目前面临的两大难题。可评判推荐算法是对话推荐算法的一种，在预测出项目的同时，也及时给出推荐项目的理由，并且为用户提供一个重新推荐的机会，用户通过对解释项进行评判来使推荐系统重新预测出商品，可有效解决上述两个问题。该文首先基于变分推断与神经协同过滤相结合的思想，对算法和模型进行了形式化的定义和理论推导，并且从概率的角度出发使用贝叶斯神经网络实现了该模型。通过与其他可评判推荐算法进行实验对比，证实了该模型的许多推荐指标已经达到了目前最先进的水平。
- 单位
