论文部分内容阅读
传统的推荐系统中,基于矩阵分解的协同过滤方法只考虑单一的评分信息,而且作为浅层模型无法学习到更深层次的特征信息。提出一种基于深度学习的多交互混合推荐模型,通过深度学习模型融合更多的辅助信息作为输入,能够缓解数据的稀疏性问题;利用多层交互的非线性网络结构去学习更抽象、稠密的深层次特征表示;通过对用户和项目的隐表示进行多次内积交互获得不同层次的特征表示结果;聚合所有的交互结果进行预测。在Movieles latest 100K数据集上进行实验,采用RMSE指标进行评估,结果表明所提模型在推荐效果上有所提升。