DOI number:
10.14022/j.issn1674-6236.2024.14.006
Abstract:
基于传统推荐方法对辅助信息利用不足，为优化用户、项目间内在联系挖掘有限等问题，采用将Squeeze-and-Excitation Networks结构嵌入神经协同过滤的方法提出SE-NCF模型，利用SE模块学习权重，去除不同特征中权重较低的噪声来实现特征融合，通过神经协同过滤层获得用户-项目间的线性与非线性关系，实现模型优化。通过茶评与Amazon＿Food两公开数据集对同类推荐方法进行实验，实验结果表明，相比于原神经协同过滤，SE-NCF模型在两数据集中MSE指标与NDCG指标均得到改善，在茶评数据集下MSE降低10%,NDCG提升5.1%；在Amazon＿Food下MSE降低4.3%,NDCG提升9.3%。
Paper Publications
