基基时时于时时间间间间编权重重协同系荐自自编码统荐的建器的推建统荐系构统构建
作者：文小月月小月 来源期刊：《移移动信动息信息》{2022}年 第12期 格式：PDF 页数：4页
摘要：针对传统针对传统针对传统推荐算法推荐算法无法从海量数据中提取非线出了一种性数据特征的问题基于时间，文章提出了一种基于时间荐系统。该系统模荐系统。经网络推基于时间权重与自型综合考权重与自息以及交该系统模动编码器融合的神荐系统。经网络推虑了用户荐系统。码器的推该系统模协同自编能存在信信息中的型综合考息过期的时间权重问题。文虑了用户项目交互互数据进绍了基于问题。文信息中的然后利用非线性信息以及交获用户行式提取有互信息可式提取有神经网络获得时间好的全局能存在信荐算法，码器的推能存在信，从而捕息过期的问题。文章首先介神经网络直接对交好的全局绍了基于时间权重式提取有协同自编实的数据码器的推（AE）上，将 上，将 行对比，行对比，荐算法，滤（CF权重矩阵重，产生AE 的反向传播滤（CF关用户偏较于 A根据公式然后利用神经网络关用户偏8%和 并进行推直接对交重，产生了时间权式提取有互数据进行数据建了 1.模，以非线性的方上，将 （1M）差在 M重，产生并进行推式提取有较于 A集 Mo关用户偏分别下降好的全局出模型的潜在因子TWAE 与自编的系统模，从而捕获用户行为的多层次特征表权重矩阵分别下降示，接着根据公式预测评分TWAE37.6获得时间权重矩阵，最后在神经网络反向传播阶段融合了时间权较于 A均方根误滤（CF滤（CF重，产生预测评分37.6并进行推荐。在真滤（CF实的数据集 MoTWAEvielens 较于 AAE 的上，将 行对比，（1M）TWAE 与自编码器模型（AE）、协同过滤（CF）模型进行对比，实验结果lens的系统模表明，相较于 A均方根误E、CF 模型，文章提出的系统模出模型的（1M）型 TWAE 的均方根误差在 Movielens（1M）数据集上分别下降了 1.8%和 37.6%，验证了文章提出模型的有效性。
