针对当前大多数推荐算法仍遭受着数据稀疏性的困扰,以及推荐算法在时间效应上的研究存在不足,提出了基于评论文本的动态生成对抗网络推荐算法.首先在生成对抗网络中创新性地融入时间效应信息来构成动态神经网络的对抗性框架,其次从多源异构数据中获取用户历史行为及个性化需求信息,最后为用户实时动态的个性化推荐服务,使推荐算法尽可能达到高精准度和长期有效性.为了评估模型性能,在三个真实的公开数据集上进行了实验,实验结果表明,所提算法具有更好的推荐效果.
科研之友
微信
新浪微博
Facebook
分享链接
