一种基于受限波尔兹曼机的推荐算法

雩风三日

一种基于受限波尔兹曼机的推荐算法

      在数据量过于庞大的情况下，ＲBM 模型所输出的推荐结果会比较宽泛。此外，目前众多的协同过滤算法无法对巨大的数据集进行更好的处理。所以，尝试通过深度学习来对个性化推荐进行加强，指出把受限波尔兹曼机与隐含因子模型相结合的混合推荐方法。首先用 ＲBM 算法生成候选集，并对候选集的稀疏矩阵进行评分预测，然后使用 LFM 对候选结果进行排序，进而选择最优方案进行推荐。使用大型公开数据集对本文算法进行反复验证，通过测试可以看出，相比较于传统的推荐模型，本文所提阐述的方式能够有效提高评分预测的精准度。
9 b# X; W0 o- f. R  w
0 d* ~: b. b, h0 M0 c  ?关键词: 推荐算法; 深度学习; ＲBM 模型; LFM 模型
5 D% u$ m9 m. H
1 J) w3 J6 F4 s& i& d$ W4 k
' a' Q* n( s, C5 G; i* f