基于卷积神经网络的混合推荐算法
电影的数字式消费使电影推荐越来越受到人们的关注。针对协同过滤算法存在的冷启动问题和基于内容的推荐方法中缺乏多样性的问题,提出了一种基于卷积神经网络与协同过滤的混合推荐算法。通过协同过滤算法处理用户评分数据,卷积神经网络提取电影海报图像特征,发现用户兴趣和电影特征,利用基于用户行为和电影内容的混合余弦相似度计算方法,计算候选电影与用户兴趣向量的相似度,最后形成推荐列表。实验结果表明,该方法与协同过滤算法相比,不存在新电影的冷启动问题,且推荐结果可解释性更好。与基于内容的推荐方法相比,F1-measure和多样性都明显提高。
电影推荐 协同过滤 基于内容的推荐 卷积神经网络 混合推荐
梁昌勇 范汝鑫 陆文星 王彬有
合肥工业大学管理学院,安徽合肥230009;智能决策与信息系统技术教育部工程研究中心,安徽合肥230009
国内会议
福州
中文
201-207
2018-11-30（万方平台首次上网日期，不代表论文的发表时间）