基于聯(lián)合神經(jīng)網(wǎng)絡(luò)的電影個性化推薦算法
關(guān)鍵詞：個性化推薦 顯式信息 隱式信息 神經(jīng)網(wǎng)絡(luò) 評分預(yù)測模型
摘要：隨著人工智能的發(fā)展,深度學(xué)習(xí)技術(shù)開始被廣泛應(yīng)用在個性化推薦業(yè)務(wù)上。本文在用戶基本信息、電影元信息的基礎(chǔ)上,融合點評文本、用戶興趣度的瀏覽行為、電影海報等多源信息,建立了一個基于聯(lián)合神經(jīng)網(wǎng)絡(luò)的用戶評分預(yù)測模型,并通過Adam優(yōu)化方法擬合預(yù)測評分矩陣和真實評分矩陣,最后結(jié)合海報的相似度對候選推薦集中的電影做一個簡單的分類,生成相似度最高的Top-N推薦列表。實驗結(jié)果表明,該模型預(yù)測評分的準(zhǔn)確率較ConvMF提高了0.06%,列表排序的平均準(zhǔn)確率達(dá)到72%,推薦結(jié)果的平均綜合指標(biāo)達(dá)到0.85,用戶滿意度較高。
現(xiàn)代電影技術(shù)雜志要求:
{1}論文所涉及的課題凡取得國家或部、省級以上基金資助或?qū)俟リP(guān)項目者，請予以說明。
{2}來稿務(wù)求論點明確、論據(jù)充分、數(shù)據(jù)可靠、邏輯嚴(yán)密、層次分明、文字精煉。
{3}文章標(biāo)題用三號黑體，二級標(biāo)題用四號黑體，三級標(biāo)題用小四號黑體。級次一般 用一、二、三，(一)(二)(三),1. 2. 3. (1)(2)(3)。序數(shù)中文序號用頓號，阿拉伯?dāng)?shù)字用下 標(biāo)圓點分開。
{4}關(guān)鍵詞每篇文章可選用3～5個能反映文章主題概念的詞、詞組或術(shù)語。
{5}所有作者的簡介，格式為：姓名（出生年份-），性別，籍貫，職稱職務(wù)，從事的工作或研究。
注：因版權(quán)方要求，不能公開全文，如需全文，請咨詢雜志社
