面向潜在客户智能手机推荐的混合推荐系统

推荐系统是机器学习系统的一个子类，其采用复杂的信息过滤策略来减少搜索时间并向特定用户推荐最相关的项目。混合推荐系统以不同方式组合多种推荐策略，以利用它们互补的优势。一些混合推荐系统已将协同过滤与基于内容的方法相结合，以构建更鲁棒的系统。在本文中，我们提出一种混合推荐系统，它将基于交替最小二乘（ALS）的协同过滤与深度学习相结合，以提升推荐性能并克服协同过滤方法的局限，尤其是其冷启动问题。本质上，我们在大数据处理框架中，利用 ALS（协同过滤）的输出去影响一个深度神经网络（DNN）的推荐，该网络结合了特征、上下文、结构与序列信息。我们进行了若干实验以检验所提混合架构在向潜在客户推荐智能手机时的有效性，并将其性能与其他开源推荐器进行比较。结果表明，所提系统的性能优于多个现有混合推荐系统。