基于深度学习的用户行为推荐方法研究

利用用户行为数据,采用有效推荐方法,提供个性化推荐服务是社交网络平台普遍采用的策略,其中推荐方法的有效性是决定推荐服务质量的关键。基于矩阵分解和基于协同过滤的推荐方法由于存在稀疏性和过拟合问题等瓶颈难以大规模推广应用。在研究用户行为序列中相邻行为之间相似性和关联性的基础上,挖掘词语之间内部结构关系的TextRank,融合word2vec提出新的用户行为推荐方法。分析与实验结果表明:该推荐方法较传统推荐方法,在各项指标上都得到了一定的提升,验证了该方法的有效性和准确性。