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
" W& ~. S8 h) \' L
      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。
  i3 i: p# L! I. F
4 C7 |( S' Q: q关键词: 推荐算法; 深度学习; ＲBM 模型; LFM 模型
: P0 q4 R, w5 K
$ h& ]% @5 i% L! ^( T
+ z9 x2 Q% s$ T7 G+ k
$ B& }( |+ ~; y/ s