基于CNN和关联规则的协同过滤混合推荐

基于CNN和关联规则的协同过滤混合推荐
黄甫;李涛;谢君臣
【期刊名称】《计算机与数字工程》
【年(卷),期】2024(52)3
【摘要】针对传统协同过滤算法在药品推荐领域中对用户评价过于依赖、数据稀疏性严重等问题,提出一种基于卷积神经网络(CNN)和关联规则的协同过滤混合推荐算法。

首先利用CNN从药品文本数据中获取深层功效特征向量,然后使用Apriori算法发掘药品间的关联规则。

在此基础上,从药品功效特征和关联性两个角度结合对应的相似度计算公式计算药品相似度,进而预测评分缺失值,最终对稀疏矩阵进行叠加填充实现药品推荐的优化。

经试验对比,论文算法相比传统的协同过滤算法在MAE和RMSE指标上下降了3%~4%,在数据较稀疏的情况下具有良好的推荐效果。

【总页数】7页(P681-687)
【作者】黄甫;李涛;谢君臣
【作者单位】武汉科技大学计算机科学与技术学院
【正文语种】中文
【中图分类】TP391
【相关文献】
1.基于经食管超声心动图记录和基于项目协同过滤的混合推荐方法
2.基于关联规则和协同过滤的混合图书推荐算法
3.基于关联规则的网络信息协同过滤推荐算法
4.
基于知识图谱与协同过滤混合策略的在线编程评测系统题目推荐模型5.基于关联规则的网络大数据协同过滤推荐系统
因版权原因，仅展示原文概要，查看原文内容请购买。