公开(公告)号：CN112149734A

公开(公告)日：2020-12-29

申请号：CN202011009508.X

申请日：2020-09-23

Applicant: 哈尔滨工程大学

Inventor： 曲立平 ,  任建南

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06F16/9535 ,  G06F16/958

Abstract: 本发明属于跨域推荐算法技术领域，具体涉及一种基于堆叠自编码器的跨域推荐方法。本发明针对纯跨域推荐存在的数据稀疏性问题，提供可提高推荐的评分预测精准度和分类精准度一种基于堆叠自编码器的跨域推荐方法。本发明对基于用户的跨域堆叠自编码器和基于项目的跨域堆叠自编码器两个模型同时学习并对学习结果进行比较，选出最优的推荐结果，从而提高推荐的评分预测精准度和分类精准度。本发明将跨域信息引入自动编码器中，以了解用户和商品的更深层的非线性网络结构。发明通过对目标域用户向量的扩展，并且结合深度学习有效地解决了稀疏性问题，在评分预测和Top‑n推荐方面优于其他模型。

公开(公告)号：CN112149734B

公开(公告)日：2022-04-05

申请号：CN202011009508.X

申请日：2020-09-23

Applicant: 哈尔滨工程大学

Inventor： 曲立平 ,  任建南

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06F16/9535 ,  G06F16/958

Abstract: 本发明属于跨域推荐算法技术领域，具体涉及一种基于堆叠自编码器的跨域推荐方法。本发明针对纯跨域推荐存在的数据稀疏性问题，提供可提高推荐的评分预测精准度和分类精准度一种基于堆叠自编码器的跨域推荐方法。本发明对基于用户的跨域堆叠自编码器和基于项目的跨域堆叠自编码器两个模型同时学习并对学习结果进行比较，选出最优的推荐结果，从而提高推荐的评分预测精准度和分类精准度。本发明将跨域信息引入自动编码器中，以了解用户和商品的更深层的非线性网络结构。发明通过对目标域用户向量的扩展，并且结合深度学习有效地解决了稀疏性问题，在评分预测和Top‑n推荐方面优于其他模型。