基于深度信念网络的个性化信息推荐  

Personalized Information Recommendation Based on Deep Belief Network

作　　者：王兆凯[1] 李亚星[1] 冯旭鹏[2] 刘利军[1] 黄青松[1,3] 刘晓梅 

机构地区：[1]昆明理工大学信息工程与自动化学院,昆明650500 [2]昆明理工大学教育技术与网络中心,昆明650500 [3]云南省计算机技术应用重点实验室,昆明650500 [4]昆明佳谦科技有限公司,昆明650500

出　　处：《计算机工程》2016年第10期201-206,共6页Computer Engineering

基　　金：国家自然科学基金资助项目(81360230);科技部科技型中小企业技术创新基金资助项目(13C26215305404)

摘　　要：为在信息推荐过程中挖掘出更多的信息关系,提出一种基于深度信念网络的信息推荐方法。利用模糊聚类进行预处理以达到跨类推荐的目的,根据用户浏览记录通过网络计算高分信息,并结合用户兴趣,使用潜在狄里克雷分配模型对高分信息进行权值调整,从而提高推荐准确率。在整个推荐过程中网络会根据用户行为对推荐信息权值进行相应调整。实验结果表明,该方法的推荐成功率比BP神经网络提高5.7%。In order to mine more information relationship in information recommendation, this paper puts forward an information recommendation method based on the Deep Belief Network （DBN）. It uses fuzzy clustering to do some pretreatment in order to achieve the aim of cross-category recommentation. According to the user browsing history,it works out high-mark information through the Internet, and then uses Latent Dirichlet Allocation （LDA） model combining the interests of users to do some weight value adjustments. So as to improve the accuracy of recommendation. In the process of recommendation,the Internet will adjust the weight value of recommended information according to the action of users. Exoerimental results show that the recommendation accuracy of this method can be improved by 5.7% than BP neural network.

关 键 词：信息推荐 深度学习 深度信念网络 潜在狄利克雷分配模型 模糊聚类 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]