论文部分内容阅读
本文提出一种结合奇异值分解SVD和堆栈式降噪自动编码器SDAE的神经协同过滤算法(NSSCF),利用神经网络有效的高阶特征表示学习能力来提高推荐的质量。NSSCF算法首先通过SVD将原始用户-项目评分矩阵降维,融入辅助信息再用SDAE获取项目特征并计算基于评分的项目间相似度;在项目属性矩阵上计算基于属性的项目间相似度,求出项目间的综合相似度;最后获取待评分项目的最近邻集合并进行推荐。在真实数据集上,经过广泛的实验验证,本文提出的NSSCF算法在很大程度上克服了数据稀疏性问题,在性能上优于其他的传统推荐算法