一种基于隐含反馈与深度矩阵分解的电影实时推荐生成方法

本发明提供了一种基于隐含反馈与深度矩阵分解的电影实时推荐生成方法，包括：步骤1、多源信息采集与预处理；步骤2、通过逻辑回归和损失函数构建隐含反馈嵌入学习模型，基于隐含反馈嵌入学习模型得到用户特征向量和电影特征向量；步骤3、利用多层感知机构建深度矩阵分解模型，并结合加权平方损失和正则化得到深度矩阵分解模型目标函数，进而优化深度矩阵分解模型；步骤4、基于当前更新后的兴趣向量和深度矩阵分解模型的预测评分得到电影离线候选列表的重排序评分，实现电影实时推荐。本发明极大提升了推荐系统的时效性与个性化程度，优化用户体验与平台商业价值。