论文部分内容阅读
在数据量过于庞大的情况下,RBM模型所输出的推荐结果会比较宽泛。此外,目前众多的协同过滤算法无法对巨大的数据集进行更好的处理。所以,尝试通过深度学习来对个性化推荐进行加强,指出把受限波尔兹曼机与隐含因子模型相结合的混合推荐方法。首先用RBM算法生成候选集,并对候选集的稀疏矩阵进行评分预测,然后使用LFM对候选结果进行排序,进而选择最优方案进行推荐。使用大型公开数据集对本文算法进行反复验证,通过测试可以看出,相比较于传统的推荐模型,本文所提阐述的方式能够有效提高评分预测的精准度。