科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着互联网、超大数据时代的到来，如何在海量数据中快速找到有用信息，关系着数据推荐系统的好坏。为了解决传统数据推荐算法存在的数据维数低、推荐准确率不高、用户匹配性不好等问题，提出一种基于DNN深度神经网络、多层注意力机制结合的数据推荐方法。方法的核心思想在于利用卷积神经网络对前后数据信息进行多层维度提取；利用引入的注意力机制，利用多通道注意力机制获取的低维特征和深度网络获取的非线性特征进行求和，实现数据特征的融合，完成用户喜好的外围数据挖掘，从而提高数据挖掘深度和推荐性能。最后采用Amazon公开数据进行仿真验证，通过与多种模型和算法的实验数据对比，结果表明上述算法不仅能够提升数据推荐性能，同时还能够有效发掘数据的潜在信息。
- 单位
