一种基于深度学习的改进NCF推荐方法

本发明提出了一种基于深度学习的改进NCF推荐方法，传统的推荐系统在面对大量动态、复杂的数据时,仅仅通过用户的已知数据和历史行为进行分析,得到评分准则继而进行推荐,存在推荐精度不高等问题，难以满足用户对信息的需求。针对这一情况提出深度学习框架下基于神经网络的协同过滤算法，旨在隐式反馈的基础上解决推荐中的关键问题，采用矩阵分解，对用户和资源的潜在特征应用内积，在嵌入层将用户和资源ID映射到低维嵌入向量空间，将嵌入向量分别映射到多头注意力(Multi‑headAttentionMechanism,MHA)的Q,K,V空间中，通过计算每个注意力头的对应分数，进行加权和值向量求和，最后将输出向量和多层感知器(Multi‑Layer Perceptron,MLP)的处理结果进行权重比结合，输出最终的评分预测，本发明在改善传统的推荐算法问题上取得显著效果。