控制与决策

作者：成淑慧,武优西

单位：河北工业大学 经济管理学院,天津 300401,,河北工业大学 经济管理学院,天津 300401;河北工业大学 人工智能与数据科学学院,天津 300401,

关键词：序贯三支决策;神经网络;网络拓扑结构;推荐系统;协同过滤;个性化推荐

基金：国家社会科学基金项目(18BGL191).

虽然协同过滤可以实现用户的个性化推荐,但是大多数协同过滤及其改进模型未考虑用户和项目等特征,因而不能发掘样本间的非线性关系.与协同过滤相比,深度学习能挖掘丰富的用户兴趣模式,但网络拓扑结构是基于二支决策的方式,忽略了推荐样本的难易程度.为了增强模型的非线性表达,同时区分推荐样本的难易,受序贯三支决策的启发,提出序贯三支决策神经网络个性化推荐模型(personalized recommendation model based on sequential three-way decision with single feedforward neural network,STWD-SFNN-PR).首先,为了将高维稀疏特征向量映射为低维稠密的特征向量,STWD-SFNN-PR采用嵌入进行特征处理.其次,在增量式的网络结构中学习推荐样本,使用Adam优化网络参数,并返回难以推荐的样本.再次,利用序贯三支决策增加延迟决策的策略,并在不同的粒度层采用序贯的阈值,从而动态地实现难以推荐样本的划分.最后,为了验证模型的可行性和有效性,选择多种电影推荐数据集进行研究,并选择经典的神经网络推荐、经典的深度学习推荐和最新的三支协同过滤推荐进行对比.实验结果表明,STWD-SFNN-PR具有更优的推荐质量.

来源：2024年第3期

《控制与决策》期刊编辑部

查看控制与决策杂志2024年第3期