基于循环神经网络和全局化领域的推荐算法

推荐系统一定程度上缓解了互联网大数据所带来的信息过载问题,但是传统的推荐算法在数据稀疏和冷启动时推荐精准度下降严重,为此提出了一种基于循环神经网络与全局化领域的推荐算法(Recurrent Neural Network and Globle Domain Algorithm,RNGA)。首先通过全局化领域优化框架提升了传统基于领域模型推荐算法的不足。其次将循环神经网络与全域化领域模型有机结合,运用循环神经网络获得用户的隐藏偏好,提升了推荐准确性。MovieLens上的基准数据的性能测试表明所提出的算法能有效提高推荐准确性。