自編碼網(wǎng)絡(luò)在協(xié)同過濾評分預(yù)測中的研究與應(yīng)用.pdf

1、本文目的在于針對協(xié)同過濾評分預(yù)測中的稀疏性問題，探索準確率更高的評分預(yù)測方法，為高質(zhì)量推薦的產(chǎn)生提供保障。對于稠密的評分矩陣，各種推薦算法均能取得不錯的效果，但隨著用戶數(shù)和項目數(shù)的增加，評分矩陣的稀疏性問題開始突顯，推薦算法的性能也受到不同程度的影響。為降低評分矩陣的稀疏程度，緩解稀疏性問題的影響，一種有效的方法是在推薦過程中加入對空缺值的評分預(yù)測。因為協(xié)同過濾算法直接依賴評分矩陣，在對矩陣的空缺值進行預(yù)測時，預(yù)測準確率的高低將決定推薦

2、質(zhì)量的好壞。但傳統(tǒng)的評分預(yù)測往往忽視時間效應(yīng)，在近鄰的選擇過程中沒有體現(xiàn)出時間對用戶的影響，在建模階段未能深入挖掘用戶評分背后的潛在興趣，導(dǎo)致預(yù)測結(jié)果不夠準確，難以保證后續(xù)推薦序列的質(zhì)量。
　　針對該問題，本文主要思路為在相似度計算中加入時間因素的影響，結(jié)合評分數(shù)據(jù)冗余且分布不平衡的特點，優(yōu)化近鄰的篩選，并采用自編碼網(wǎng)絡(luò)來提取用戶評分的隱含特征，保證評分預(yù)測的準確度。構(gòu)建的自編碼網(wǎng)絡(luò)評分預(yù)測模型得到的特征一方面近似表示評分信息，體

3、現(xiàn)用戶評分的隱含偏好；另一方面有助于將評分預(yù)測問題轉(zhuǎn)換為多分類問題，從而得到解決。在此基礎(chǔ)上，通過調(diào)整輸入層節(jié)點與隱含層節(jié)點的連接狀態(tài)，緩解了稀疏性對評分預(yù)測的影響。此外，為了提高自編碼網(wǎng)絡(luò)的泛化能力，引入集成學(xué)習(xí)的Bagging算法構(gòu)建集成的自編碼網(wǎng)絡(luò)，對訓(xùn)練樣本的使用更加充分，更能發(fā)揮自編碼網(wǎng)絡(luò)的特征提取優(yōu)勢。
　　經(jīng)實驗分析，考慮時間效應(yīng)的相似度計算有助于提高近鄰的質(zhì)量，使用自編碼網(wǎng)絡(luò)求解評分預(yù)測問題，能挖掘出用戶評分中的隱