基于循环神经网络的推荐算法
来源：计算机工程杂志2019年第8期北京时间：
作者：高茂庭, 徐彬源
单位：上海海事大学 信息工程学院, 上海 201306
摘要：传统电影推荐算法多数基于用户和电影的静态属性进行推荐，忽略了时间序列数据内在的时间和因果因素，推荐质量不高。为此，利用循环神经网络（RNN）在处理时间序列上的优势，提出一种推荐算法R-RNN。采用2个长短期记忆网络分别挖掘用户和电影的潜在状态，实现长距离的历史状态积累，将用户状态和电影状态的内积作为最终评分。在IMDB和Netflix数据集及Netflix子集上的实验结果表明，与基于概率矩阵分解、TimeSVD++及AutoRec算法相比，该算法能够有效降低均方根误差，并提高预测评分的准确度。
关键词：推荐算法,循环神经网络,长短期记忆网络,时间动态,潜在状态
基金资助：国家自然科学基金（61202022）。
