计算机科学与探索

作者：张光荣，王宝亮，侯永宏

单位：1. 天津大学 电气自动化与信息工程学院，天津 3000722. 天津大学 信息与网络中心，天津 300072

关键词：推荐算法,用户标签,标签基因,TF-IDF,实值条件受限玻尔兹曼机（R_CRBM）

针对推荐算法中数据的稀疏性难题，把用户标签融合至实值条件受限玻尔兹曼机（real-valued conditional restricted Boltzmann machine，R_CRBM）模型，利用R_CRBM强大的拟合任意离散分布的能力，预测出用户对未交互商品的评分缺失值。具体来说，首先提出显层单元为实值的R_CRBM模型，接着运用文本分类中的TF-IDF算法预测出用户对所应用过的标签的喜爱度，与标签基因数据相乘得到用户对商品的预测 评分，融合至用户历史评分数据中。R_CRBM条件层在原有评分/未评分{0,1}向量中，融入用户标签/未标签{0,1}向量。通过真实数据集进行对比分析，实验结果表明提出的方法在一定程度上提升了推荐的准确性。

来源：2019年第1期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2019年第1期