华南理工大学学报(自然科学版)

作者：张子烨, 李明畅, 梁凌睿, 等

单位：1． 华南理工大学 数学学院，广东 广州 510640; 2． 暨南大学 经济学院，广东 广州 510632;3． 华南农业大学 数学与信息学院，广东 广州 510642

关键词：推荐系统,数据挖掘,机器学习,神经网络

基金：广东省科技计划项目 (2018A070712021)

推荐技术中的单领域推荐算法面临诸多现实问题，主流的协同过滤算法只利用了用户与物品的交互的信息，无法避免会受到实际应用场景中数据稀疏性的影响。本文致力于融合其他领域的信息来处理稀疏数据，解决了现有算法较难从跨领域中找到有效关联的问题。文中提出了一种联想型感知网络模型，它基于深度神经网络，通过深度挖掘物品的内容信息和信息跨领域的方法来实现迁移学习，获取最优化的特征关联，进而优化了推荐的准确性。该算法很好地处理了推荐系统中数据稀疏性问题，并且在公测数据集的实验中比多种新近算法提升达到 15% ～20%，表现出了更好的性能和可扩展性。

来源：2020年第11期

《华南理工大学学报(自然科学版)》期刊编辑部

查看华南理工大学学报(自然科学版)杂志2020年第11期