基于跨模型去噪的推荐模型

本发明提出的基于跨模型去噪的推荐模型，包括从数据库中获取和清理数据信息，以获得原始交互矩阵。同时基于原始交互矩阵，为每一组正样本随机抽样出负样本。利用NCF模型作为预测主模型，并利用MF模型作为辅助模型。借助KL散度，衡量NCF模型与MF模型的预测结果分布的一致性，剔除正负样本中KL散度值较高的噪声样本，提高推荐的准确性。并且将负样本内剔除的以及可靠的样本填充回正样本内，充分考虑填充样本的可靠性，以保证推荐的多样性与可靠性。此外，在NCF模型框架下，融合GMF模型和MLP模型。学习用户历史行为中的偏好，获取预测值并排序以生成推荐项目列表，提高模型的推荐质量。