神經(jīng)網(wǎng)絡(luò)增強(qiáng)的成對(duì)雙線性因子分解機(jī)

摘要： 基于神經(jīng)網(wǎng)絡(luò)增強(qiáng)的因子分解機(jī)模型因可以捕捉更多高階特征的交互，使預(yù)測結(jié)果愈加精準(zhǔn)而成為了當(dāng)前推薦算法的研究熱點(diǎn)。針對(duì)現(xiàn)有模型在對(duì)用戶與物品交互特征進(jìn)行建模時(shí)，并沒有綜合考慮高階交互特征和原始低階特征的問題，同時(shí)為了提高模型對(duì)用戶偏好的建模能力，采用深度神經(jīng)網(wǎng)絡(luò)，并且結(jié)合成對(duì)學(xué)習(xí)提出了新的深度神經(jīng)網(wǎng)絡(luò)增強(qiáng)的成對(duì)雙線性因子分解機(jī)模型DeepPRBFM。該模型采用一對(duì)分別包含正樣本和...