分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2022-05-10 合作期刊: 《计算机应用研究》
摘要: 以增强推荐算法模型认知推理能力,克服传统推荐算法高度依赖数据质量致使性能受限的现状为目标,提出一种将命题逻辑与神经网络融合的隐式深度协同推荐模型。首先,构建一个隐式逻辑表征模块,辅助联结实际问题中复杂变量与逻辑变量的隔阂,并将推荐问题转换为一个逻辑表达式。随后,利用神经网络拟合逻辑符号对逻辑表达式进行求解并完成推荐。在具有不同特点的三个经典数据集MovieLens、Book-Crossing、Amazon-E上的实验表明提出的方法展现了更好的推荐性能。