基于深度神经网络的协同过滤推荐系统体系结构研究

本文提出了一种具有可扩展性的基于原始分类的协同过滤推荐系统体系结构。该系统采用的协作过滤方法可以适用于大多数现有的推荐系统,因为其只需要在评级数据集上进行训练。这种数据缩减提供了一个新的抽象级别,并使得设计基于分类的体系结构成为可能。除了体系结构本身,本文还提出了一种新的预测方法,该方法无需进行大量的预测,就可以获取到推荐结果。相反,本方法在每次预测时,通过前向神经网络一次性获取一组概率,并输出在其分类输出层中。本文提出的神经网络协同过滤推荐系统结构通过数据集进行了测试,实验结果显示该架构对获得准确的精确度和召回值有良好期望。