基于降噪自编码器的社会化推荐算法*
2020-06-02杨丰瑞李前洋罗思烦
计算机工程与科学 2020年5期
关键词:用户
杨丰瑞,李前洋,罗思烦
(1.重庆邮电大学通信与信息工程学院,重庆 400065;2.重庆邮电大学通信新技术应用研究中心,重庆 400065;3.重庆重邮信科(集团)股份有限公司,重庆 401121)
1 引言
随着各类媒体和Web服务的快速发展,网络中存储的用户信息迅速增长,信息超载成为一个重要的挑战,如何帮助用户定位自己感兴趣的信息正变得空前重要。传统的推荐系统仅仅挖掘用户项目评级矩阵来提供建议,并不能提供足够准确和可靠的预测。随着在线交互平台的出现,基于社交网络的推荐方法得到了广泛的应用。结合社交信息的推荐算法融入了用户之间的关联及其引发的相互影响,从而使得系统模型的建立更加真实和周全,推荐性能得以进一步提升[1 - 3]。针对用户的偏好往往受其朋友影响的现象[4,5],相关学者提出了许多将社交信任信息集成到推荐系统的方法[6 - 9]。其结果表明,信任关系对于完善用户偏好和提高推荐性能是有效的。
尽管现有研究提出了将信任信息纳入推荐的不同算法,然而这些信任感知算法仍然存在2个关键问题。首先,它们大多采用浅模型直接建模信任关系,没有利用到信任用户的深层偏好信息。其次,现有推荐算法也未对信任用户的影响程度进行有效的衡量。基于此,本文提出了利用深度学习技术有效衡量信任数据影响的算法。主要内容如下所示:
(1)利用2个降噪自编码器来分别学习用户及其信任用户的高阶潜在偏好,并将2个……
登录APP查看全文
