一种基于混合ALS交替最小二乘法和MLP算法的高报学校推荐方法

一种基于混合ALS交替最小二乘法和MLP的高报学校推荐方法，属于推荐算法领域。本发明首先采用BiLSTM情感分析算法对情感轨迹数据进行提取，然后通过ALS交替最小二乘法对用户评论、浏览记录等情感轨迹数据进行预处理，降低评分矩阵的稀疏性。接着利用MLP对提取的特征进行非线性映射，捕捉用户与学校之间的复杂关系，得到最终的样本检测结果。实验结果表明，ALS‑MLP模型在高报学校推荐任务中的准确率显著优于传统方法，并成功实现了个性化推荐，极大提升了用户体验。本方法能够改善传统推荐算法在应对高考领域复杂非线性数据时的不足，为用户提供更加贴合其需求和期望的高报学校推荐。