CAJ | 학술논문

针对在评分数据稀疏时，基于近邻的协同过滤算法的相似性度量不准确，以及存储相似性矩阵需要巨大空间的问题，提出一种基于自动编码器的协同过滤算法。首先，使用改进后的自动编码器无监督地学习用户行为，将高维、稀疏的用户行为压缩成低维、稠密的用户特征向量，然后，将用户的特征向量转换为二进制码，并以汉明距离作为用户相似性的度量，最后，基于用户间的相似性生成推荐物品列表。在MovieLens10M数据集上的结果表明，在解决隐式反馈行为下的TopN推荐问题时，该算法与现有的协同过滤算法相比，不仅能大大减少模型训练的空间开销，而且在推荐结果的覆盖率、新颖性上有大幅提升。
침대재평분수거희소시，기우근린적협동과려산법적상사성도량불준학，이급존저상사성구진수요거대공간적문제，제출일충기우자동편마기적협동과려산법。수선，사용개진후적자동편마기무감독지학습용호행위，장고유、희소적용호행위압축성저유、주밀적용호특정향량，연후，장용호적특정향량전환위이진제마，병이한명거리작위용호상사성적도량，최후，기우용호간적상사성생성추천물품렬표。재MovieLens10M수거집상적결과표명，재해결은식반궤행위하적TopN추천문제시，해산법여현유적협동과려산법상비，불부능대대감소모형훈련적공간개소，이차재추천결과적복개솔、신영성상유대폭제승。