深度学习模型在商品推荐系统中的性能优化

作     者：许涛涛 张汉丹 

作者机构：郑州工商学院信息工程学院河南郑州451400 

出 版 物：《信息记录材料》 (Information Recording Materials)

年 卷 期：2024年第25卷第9期

页      码：123-125页

摘      要：本研究聚焦于优化商品推荐系统中深度学习模型的性能,引入了一种针对循环神经网络(recurrent neural network,RNN)的优化思路。首先,研究了商品推荐系统的总体框架,包括数据收集与预处理、特征提取与表示、模型设计与训练以及推荐结果生成与排名等部分。其次,对RNN的基本原理进行了深入探讨,并引入了L2正则化方法进行模型优化。最后,利用Retailrocket数据集对所研究的模型进行了实验验证,评估了模型在商品推荐任务上的性能指标。实验结果表明,该优化方法在准确率、召回率和F1值等指标上均优于传统RNN模型,有效提升了推荐系统的性能。

主 题 词：深度学习 RNN 推荐系统 正则化 

学科分类：08[工学] 081202[081202] 0812[工学-测绘类] 

D　O　I：10.16009/j.cnki.cn13-1295/tq.2024.09.035

馆 藏 号：203144399...