公开(公告)号：CN110555132A

公开(公告)日：2019-12-10

申请号：CN201910742757.0

申请日：2019-08-13

Applicant: 北京工业大学

Inventor： 张延华 ,  王倩雯 ,  付琼霄 ,  李萌 ,  李庆 ,  陈冰容

IPC: G06F16/735 ,  G06N3/04 ,  G06N3/08

Abstract: 一种基于注意力模型的降噪自编码器的电影推荐方法，属于电影推荐技术领域。在现有的推荐算法中，自编码器推荐模型因运算速度较快，易于实现得到广泛应用，但评分矩阵稀疏时，推荐准确度将大大降低，且未曾考虑辅助信息与用户对于观看记录不同的注意度。为了解决上述问题，本方法将注意力模型与降噪自编码器相结合，利用注意力模型学习用户的偏好，融入降噪自编码器共同迭代更新参数，从而预测用户完整评分。本方法在预测评分准确度方面有明显提升。

公开(公告)号：CN110059220A

公开(公告)日：2019-07-26

申请号：CN201910292355.5

申请日：2019-04-12

Applicant: 北京工业大学

Inventor： 张延华 ,  王倩雯 ,  付琼霄 ,  张文博 ,  李庆 ,  陈冰容

IPC: G06F16/735 ,  G06F16/9535

Abstract: 一种基于深度学习与贝叶斯概率矩阵分解的电影推荐算法，属于电影推荐技术领域。在众多推荐系统中，矩阵分解模型因为其准确高效，易于实现得到广泛应用，但矩阵分解原理是将用户评分矩阵分为用户与项目特征向量，当评分矩阵稀疏时，推荐准确度将大大降低，为了解决这个问题，本方法将深度学习与基于协同的推荐算法相结合，利用堆栈自编码器学习用户与项目的辅助信息，贝叶斯概率分解矩阵从辅助信息和原有的评分中预测用户偏好。本方法在预测评分准确度方面有明显提升。