[发明专利]一种基于层叠稀疏降噪自编码器增强的协同过滤推荐方法

摘要

一种基于层叠稀疏降噪自编码器增强的协同过滤推荐方法涉及个性化推荐算法技术领域。本发明通过使用深度学习模型层叠稀疏降噪自编码器(sSDAE)从用户基本信息、项目基本信息提取出用户、项目的特征信息，利用隐含因子模型算法进行相乘，最终与用户‑项目评分矩阵进行相应算法计算，形成最终的推荐结果，为用户形成推荐列表，从而进行个性化推荐。此发明利用深度模型层叠稀疏降噪自编码器对用户、项目的信息进行处理，通过隐含因子模型(矩阵分解方式)融合用户、项目的基本信息到用户‑项目评分信息中，预测用户对项目的评分，完成推荐任务。本发明有效地改善因冷启动、数据稀疏造成的准确性低的问题。

主权项

1.一种基于层叠稀疏降噪自编码器增强的协同过滤推荐方法，其特征在于：该方法包括数据预处理模块、层叠稀疏降噪自编码器模块、隐含因子模型模块；层叠稀疏降噪自编码器模块与隐含因子模型模块由三部分构成，其中左右两部分代表基于sSDAE的用户、项目特征提取模型，中间部分代表基于LFM的协同过滤模型；其中，左、右两侧的特征提取部分，输入分别为处理过的用户基本信息、项目基本信息，输出为用户‑特征、项目‑特征的隐藏层表示，以此来进行用户、项目的深层特征提取；在中间的LFM模型部分，改进LFM，使用sSDAE模型提取的隐藏层特征矩阵替换掉LFM模型里初始化的用户‑特征、项目‑特征矩阵，进行矩阵相乘，最终与用户‑项目评分矩阵进行损失最小化计算，使用随机梯度下降法得到最优解，最后用得到的相乘矩阵作为用户对项目的预测评分矩阵进行推荐。