基于深度网络的推荐系统偏置项改良研究

摘要

传统的矩阵分解算法为用户和项目分别独立设置了偏置项,而没有深入挖掘特定用户对于特定项目的隐性偏好;同时,传统的排序预测推荐算法将用户所有打分过的项目都统一地设置为该用户的正例项目(无论用户给出了好评还是差评),这导致训练完成的系统在实际应用中很可能会为用户继续推荐其厌恶的项目。因此提出了一种基于深度网络的推荐系统偏置项改良方案,该改良方案考虑了用户为特定项目所作的评分背后所蕴含的好恶态度,并学习出一个用户-项目联合偏置项加入到推荐过程中以提升推荐性能。在三个公开数据集上进行的对比实验结果表明,该改良方案可以有效地提升推荐的性能表现。