Resumen

Ante el bajo rendimiento de recomendación de los algoritmos tradicionales de filtrado colaborativo de recursos, este artículo propone un modelo de recomendación de filtrado colaborativo basado en aprendizaje profundo para recursos de arte y MOOC. Este modelo primero utiliza vectores de incrustación basados en el contexto de metacaminos para el aprendizaje. Los vectores de incrustación basados en el contexto de metacaminos agregan información de diferentes metacaminos y diferentes MOOC pueden tener preferencias diferentes para diferentes metacaminos. En segundo lugar, para capturar este cambio de preferencia, el modelo introduce un mecanismo de atención, que puede mejorar la interpretabilidad de los resultados de recomendación. Luego, al introducir la matriz de Laplaciano en la distribución previa de la matriz de características de factores ocultos, la información de la red relacional se integra de manera efectiva en el modelo. Finalmente, en comparación con el modelo tradicional que utiliza la matriz de puntuación, el modelo en este artículo que utiliza vectores de palabras de texto alivia efectivamente el impacto de la dispersión de datos y

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Tradicional; Filtrado colaborativo; Aprendizaje profundo; Mecanismo de atención; Matriz de Laplaciano; Modelo de recomendación
• Keywords:Traditional; Collaborative filtering; Deep learning; Attention mechanism; Laplacian matrix; Recommendation model