基于深度学习的高维稀疏数据组合推荐算法

来源：计算机技术与发展杂志2020年第02期北京时间：

作者：李晓峰;李东

摘要：传统方法在对高维稀疏数据进行检测的过程中,受到高维特征扰动的影响,数据误差较大,因此提出一种基于深 度学习的高维稀疏数据组合推荐算法。 采用相空间重构方法进行高维稀疏数据的特征重构,根据重构结果结合非线性统 计序列分析方法进行高维稀疏数据的回归分析和点云结构重组,在此基础上提取高维稀疏数据的组合特征量;依据特征 量提取结果采用特征提取技术抽取高维稀疏数据的平均互信息特征量,并结合关联规则挖掘方法进行高维稀疏数据的主 成分分析,挖掘高维稀疏数据的相似度属性类别成分,最终采用深度学习方法进行高维稀疏数据组合推荐过程中的自适 应寻优,实现高维稀疏数据的组合推荐。 仿真结果表明,采用该算法进行高维稀疏数据推荐的属性归类辨识性较好,特征分辨能力较强,提高了数据的检测和识别能力。

关键词：深度学习;高维稀疏数据;组合推荐;特征提取;挖掘