基于深度网络的推荐系统偏置项改良研究
信息技术与网络安全
张天蔚
(山东省计算中心(国家超级计算济南中心)，山东 济南250014)
摘要： 传统的矩阵分解算法为用户和项目分别独立设置了偏置项，而没有深入挖掘特定用户对于特定项目的隐性偏好；同时，传统的排序预测推荐算法将用户所有打分过的项目都统一地设置为该用户的正例项目(无论用户给出了好评还是差评)，这导致训练完成的系统在实际应用中很可能会为用户继续推荐其厌恶的项目。因此提出了一种基于深度网络的推荐系统偏置项改良方案，该改良方案考虑了用户为特定项目所作的评分背后所蕴含的好恶态度，并学习出一个用户-项目联合偏置项加入到推荐过程中以提升推荐性能。在三个公开数据集上进行的对比实验结果表明，该改良方案可以有效地提升推荐的性能表现。
中圖分類號： TP391
文獻標識碼： A
DOI： 10.19358/j.issn.2096-5133.2021.08.007
引用格式： 張天蔚. 基于深度網絡的推薦系統偏置項改良研究[J].信息技術與網絡安全，2021，40(8)：42-46.
文獻標識碼： A
DOI： 10.19358/j.issn.2096-5133.2021.08.007
引用格式： 張天蔚. 基于深度網絡的推薦系統偏置項改良研究[J].信息技術與網絡安全，2021，40(8)：42-46.
Research on improvement of bias in recommendation system based on deep neural network
Zhang Tianwei
(Shandong Computer Science Center(National Super Computer Center in Jinan)，Jinan 250014，China)
Abstract： Traditional matrix factorization algorithm sets bias for users and items independently, without digging into the latent preferences of specific users for specific items. As in traditional ranking prediction recommendation algorithm, all the rated items of a user are uniformly set as the user′s positive items(regardless of whether the user gives a good or a bad review). As a result, the trained system is likely to continue to recommend projects that users hate in practical applications. Therefore, an improved bias improvement scheme of recommendation system based on deep neural network is proposed, which takes into account the liking and disliking behind the ratings made by users for specific items, and a joint bias is learned for the recommendation process. The results of comparative experiments on three open datasets show that the improved scheme can effectively improve the recommended performance.
Key words : recommendation algorithm；collaborative filtering；deep neural network；implicit feedback
0 引言
隨著互聯網的迅猛發展，用戶想要從海量的信息中獲取自己真正感興趣的內容已經變成了一件頗有挑戰性的工作。解決這種“信息過載”問題的常用技術之一就是推薦系統[1-2]。推薦系統往往利用用戶對于項目的歷史交互數據信息(如評分、評論、歷史購買記錄等)[3]建立模型來挖掘用戶與項目之間的隱性關聯[4-5]，從而得以為用戶推薦與其喜好的歷史交互項目高度相似的新項目，幫助用戶篩選出其需要的信息[6-7]。
本文詳細內容請下載：http://m.tom3567.com/resource/share/2000003723
作者信息：
張天蔚
(山東省計算中心(國家超級計算濟南中心)，山東 濟南250014)
此內容為AET網站原創，未經授權禁止轉載。