论文部分内容阅读
针对传统电影推荐算法中数据维度高,缺乏考虑用户和电影长短期状态的问题,提出一个基于GRU网络和矩阵分解的混合推荐算法的研究。该算法利用自编码器对时序数据进行降维处理,然后使用GRU网络处理降维后的时序数据以捕获用户和电影的短期动态状态,利用矩阵分解算法处理原始评分矩阵得到用户和电影的长期固定状态,然后利用线性回归模型将长期状态的内积和短期状态的内积的混合加权评分作为最终预测评分,以提高推荐质量。