基于循环神经网络的推荐算法

作者：高茂庭; 徐彬源

来源：计算机工程, 2019, 45(08): 198-209.

DOI：10.19678/j.issn.1000-3428.0051294

• 推荐算法
• 循环神经网络
• 长短期记忆网络
• 时间动态
• 潜在状态

传统电影推荐算法多数基于用户和电影的静态属性进行推荐,忽略了时间序列数据内在的时间和因果因素,推荐质量不高。为此,利用循环神经网络(RNN)在处理时间序列上的优势,提出一种推荐算法R-RNN。采用2个长短期记忆网络分别挖掘用户和电影的潜在状态,实现长距离的历史状态积累,将用户状态和电影状态的内积作为最终评分。在IMDB和Netflix数据集及Netflix子集上的实验结果表明,与基于概率矩阵分解、TimeSVD++及AutoRec算法相比,该算法能够有效降低均方根误差,并提高预测评分的准确度。

• 单位
  上海海事大学