基于神经网络和注意力机制的协同过滤推荐算法的研究

针对协同过滤推荐算法中用户-物品矩阵的稀疏性,使得传统协同过滤算法推荐度较差的问题,提出一种改进的基于神经网络和注意力机制的协同过滤推荐算法B-SDAECF,旨在解决传统推荐系统中数据稀疏的问题。结合Transformer模型的变式Bert模型和堆叠式降噪自动编码器(SDAE),利用Bert模型从用户评论中提取高质量的特征表示,以获得向量矩阵;并将向量矩阵作为SDAE的初始权重,从而使SDAE模型能够更快速地运算,进而填充原有的用户-项目评分矩阵。实验结果显示,相比传统方法,所提方法在推荐系统的准确性和鲁棒性上有显著提升,推荐效果更优秀。

资料为PDF文档格式.

本文档关键词:算法,过滤,注意力,协同,机制