基于DeepFM的校准游戏推荐系统研究  

作　　者：侯晓慧 邹凯文 许新楷 张永爱[1] 周雄图[1] 

机构地区：[1]福州大学

出　　处：《广播电视网络》2022年第3期116-120,共5页RADIO & TELEVISION NETWORK

基　　金：福建省自然科学基金(基金编号:2019J01221);闽都创新实验室自主部署项目(项目编号:2020ZZ111)支持。

摘　　要：针对传统推荐模型只能提取低阶特征,不能挖掘高阶组合特征,且推荐结果往往没有考虑到Bias的问题,本文提出一种适用于游戏推荐场景的基于DeepFM的校准游戏推荐方法。此方法充分发挥了DeepFM能够挖掘低阶和高阶特征的能力,利用Steam平台的数据集训练优化模型,并进行了测试验证,同时还运用校准推荐对结果进行去偏得到最后的推荐列表。测试结果表明,改进优化后的推荐模型具有更好的表现,评测指标AUC值相较对比模型提高了3%~4%,经过校准的推荐列表更加拟合用户交互。

关 键 词：推荐系统 DeepFM 校准推荐 

分 类 号：TP391.3[自动化与计算机技术—计算机应用技术] TP317[自动化与计算机技术—计算机科学与技术]