南京航空航天大学学报

作者：余永红，殷凯宇，王强，张文彪，赵卫滨

单位：南京邮电大学通达学院，扬州，225127；,南京邮电大学通达学院，扬州，225127；,南京邮电大学通达学院，扬州，225127；,南京邮电大学通达学院，扬州，225127；,南京邮电大学通达学院，扬州，225127;计算机软件新技术国家重点实验室（南京大学），南京，210023；

关键词：推荐算法;协同过滤;欧几里得嵌入;深度学习

基金：江苏省高校自然科学研究基金（17KJB520028）资助项目；江苏省青蓝工程资助项目；南京邮电大学校级科研基金（NY217114）资助项目。

推荐系统为用户推荐用户可能感兴趣的物品，可以有效地减轻信息过载。基于欧几里得嵌入的协同过滤方法将用户和物品映射到统一的隐藏空间中，是构建推荐系统的重要方法之一。然而，传统的基于欧几里得嵌入的推荐方法仅考虑用户和物品隐藏特征向量之间低阶交互，不能有效建模现实世界中用户和物品的复杂交互行为。本文提出基于深度学习的欧几里得嵌入的协同过滤算法，利用深度学习技术学习用户和物品隐藏特征向量之间的高阶、非线性交互函数，建模用户和物品之间复杂交互行为。在真实数据集上的实验结果表明，基于深度学习的欧几里得嵌入的协同过滤算法性能优于传统协同过滤算法。

来源：2020年第5期

《南京航空航天大学学报》期刊编辑部

查看南京航空航天大学学报杂志2020年第5期