基于降噪自编码器网络与词向量的信息推荐方法

发布时间：2018-11-23 12:05

【摘要】：基于降噪自编码器的推荐方法缺乏对项目共现关系的分析能力,且模型存在参数冷启动问题。为此,基于降噪自编码器网络与词向量,提出一种信息推荐方法。将用户看作文档,将用户评价过的项目看作词语,以此构建训练语料。利用词向量模型对语料进行训练,得到隐含上下文信息的项目向量。将所有项目向量作为初始权重构建降噪自编码器神经网络,训练得到模型参数。通过模型预测用户评分完成top-N推荐。在标准数据集上的实验结果表明,该方法能提高推荐准确率,训练速度优于降噪自编码、奇异值矩阵分解和协同过滤推荐方法。
[Abstract]:The recommendation method based on de-noising self-encoder lacks the ability to analyze the co-occurrence relationship of items, and the model has the problem of cold start of parameters. This paper presents an information recommendation method based on noise reduction self-encoder network and word vector. The user is regarded as the document and the project evaluated by the user as a word to construct the training corpus. The term vector model is used to train the corpus to obtain the item vector of implicit context information. Using all item vectors as initial weights, the noise reduction self-encoder neural network is constructed, and the model parameters are obtained by training. The top-N recommendation is completed by predicting the user's score. The experimental results on standard data sets show that the proposed method can improve the accuracy of recommendation, and the training speed is better than that of self-coding, singular value matrix decomposition and collaborative filtering.
【作者单位】： 解放军信息工程大学信息系统工程学院;解放军外国语学院;
【基金】：国家社会科学基金“网上舆论斗争系统建模与应对策略研究”(14BXW028)
【分类号】：TP391.3

【相似文献】

相关期刊论文 前5条

1 邹刚;姚伟;孙即祥;陈森林;;一种基于稀疏协同原型向量重构的鼻咽癌病理细胞协同分类方法[J];中国生物医学工程学报;2011年01期

2 张文生,丁辉,王珏;基于邻域原理计算海量数据支持向量的研究[J];软件学报;2001年05期

3 蔺旭东;曾晓宁;薄静仪;;一种基于支持向量的镜头聚类算法[J];计算机应用;2007年09期

4 乔香珍;;高效使用C-1向量机的有关问题[J];计算机研究与发展;1987年05期

5 王宁,盛昭瀚;基于小波向量和AR模型的轴心轨迹识别[J];信号处理;1999年02期

相关博士学位论文 前1条

1 王鑫;基于表示学习的情感分析关键技术研究[D];哈尔滨工业大学;2017年

相关硕士学位论文 前9条

1 吴兵兵;基于词向量和LSTM的汉语零指代消解研究[D];哈尔滨工业大学;2016年

2 丁卜建;基于情感词典拓展和词向量的中文情感分析技术的研究[D];辽宁大学;2016年

3 李欣雨;基于多向量的中文新闻话题检测[D];河北大学;2016年

4 宋润青;基于词向量和文本特征的事件提取[D];西安电子科技大学;2015年

5 钟毅伟;基于相关向量机的太赫兹频谱特征提取及识别研究[D];昆明理工大学;2016年

6 武海瑛;基于词向量概率模型的联合话题情感分析研究[D];深圳大学;2017年

7 王建翔;面向可读性评估的词向量技术研究及实现[D];南京大学;2017年

8 郭宏运;基于词向量和主题向量的文本分类算法研究[D];华中科技大学;2016年

9 杨东强;情感增强词向量构建方法及应用[D];华东师范大学;2015年

，

本文编号：2351546