基于受限玻爾茲曼機的電子商務(wù)推薦算法.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展，電子商務(wù)正在社會經(jīng)濟的發(fā)展中占據(jù)著越來越重要的位置。隨著電子商務(wù)市場的逐漸擴大，越來越多傳統(tǒng)行業(yè)在向著電子商務(wù)發(fā)展。然而電子商務(wù)提供了過多的商品給用戶，在給用戶提供方便購物的同時，也會使得用戶迷失在大量的商品信息空間中，沒有辦法快速的找到自己想要的東西。推薦系統(tǒng)在這種情況下應(yīng)運而生，電子商務(wù)推薦系統(tǒng)能夠根據(jù)用戶的興趣進行個性化的推薦，使用戶可以在海量的商品信息中快速、準確地選取自己需要的商品。
　　本文首

2、先對現(xiàn)有推薦算法進行了總結(jié)，并對現(xiàn)有推薦算法存在的問題進行了探究。當(dāng)用戶行為評分數(shù)據(jù)稀疏時，傳統(tǒng)協(xié)同過濾算法的相似度度量將不準確，針對這一缺陷本文提出一種基于深度網(wǎng)絡(luò)的協(xié)同過濾算法。首先，使用堆積受限玻爾茲曼機組成的深度信念網(wǎng)絡(luò)無監(jiān)督地學(xué)習(xí)用戶行為數(shù)據(jù)，將高維、稀疏的用戶行為壓縮為低維、稠密的用戶特征向量，得到用戶行為評分特征。然后，將用戶行為評分特征與用戶項目屬性偏好特征相結(jié)合，得到用戶相似性.最后基于用戶相似度生成推薦列表。