计算机工程与应用

2021, v.57;No.989(22) 153-159

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于变分自编码器的评分预测模型
Rating Prediction Model Based on Variational Auto-Encoder

陈海;钱付兰;陈洁;赵姝;张燕平;

摘要(Abstract):

深度学习模型具有鲁棒性差的局限性,常见的如在图片中增加特定的噪声会影响到图片的分类和预测结果。近期有学者将深度学习引入到推荐系统中,因此在推荐系统中也存在噪声对推荐精度影响的问题。针对深度推荐模型的鲁棒性问题,基于变分自编码器(Variational Auto-Encoder,VAE)提出了新的评分预测模型REVAE(REcommender Variational Auto-Encoder)。该模型为了训练模型对噪声干扰的鲁棒性,在传统的VAE上增加了一层隐层表示,利用后验分布对隐层表示进行约束,并在该隐层上增加了噪声,通过重构输入数据,训练得到具有抗噪能力的推荐算法模型。在公开的Movielens数据集上进行的实验结果表明,REVAE可以有效降低噪声对模型的干扰,使得整个模型更具有健壮性,相比其他评分预测算法具有更好的推荐效果。

关键词(KeyWords): 深度学习;推荐系统;变分自编码器(VAE);评分预测

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金青年项目(61702003);; 安徽省自然科学基金面上项目(1808085MF175);; 国家自然科学基金面上项目(61673020,61876001)

作者(Author): 陈海;钱付兰;陈洁;赵姝;张燕平;

Email:

DOI:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享