基金项目:2020年江西省教育厅科技项目(GJJ202008)收稿日期:2021－11－02修回日期:2021－11－29第40卷第2期计算机仿真2023年2月文章编号:1006－9348(2023)02－0395－04基于长短期记忆的稀疏数据过滤推荐算法佘学兵1，熊蕾1，黄丽1，刘承启2*(1．江西科技学院信息工程学院，江西南昌330098;2．南昌大学网络中心，江西南昌330031)摘要:采用目前算法对稀疏数据进行过滤推荐时，没有综合考虑用户的整体评分特征和不同项目的单独评分对数据补全的影响，导致MAE值和ＲMSE值大、F1值小。提出基于长短期记忆的稀疏数据过滤推荐算法，首先通过相关因子对相似性进行计算，利用云模型将稀疏数据缺失项进行补全，然后采用补全后的数据构建长短期记忆网络，通过长短期记忆网络得到简单优化函数并对其求解，最后建立稀疏数据过滤推荐算法模型，完成基于长短期记忆的稀疏数据过滤推荐。实验结果表明，所提方法的MAE值和ＲMSE值更小、F1值更大。关键词:长短期记忆;稀疏数据;过滤推荐算法;云模型;相关因子中图分类号:TP391.3文献标识码:BSparseDataFilteringＲecommendationAlgorithmBasedonLongandShort－TermMemorySHEXue－bing1，XIONGLei1，HUANGLi1，LIUCheng－qi2*(1．JiangxiUniversityofTechnology，SchoolofInformationEngineering，NanchangJiangxi330098，China;2．NetworkCentre，NanchangUniversity，NanchangJiangxi330031，China)ABSTＲACT:Currently，somealgorithmsignorecomprehensivelyconsideringtheinfluenceofusers’overallratingcharacteristicsandtheindividualscoresofdifferentitemsondatacompletionduringthesparsedatafilteringrecom-mendation，resultinginlargeMAEandＲMSEvalues，andsmallF1values．Inthispaper，analgorithmofsparsedatafilteringrecommendationbasedonshort－termandlong－termmemorywasproposed．Firstly，thesimilaritywascalcu-latedbycorrelationfactors，andthenthemissingitemsinsparsedatawerecomplementedbythecloudmodel．Afterthat，thecompleteddatawasusedtobuildashort－termandlong－termmemorynetwork．Onthisbasis，asimpleopti-mizationfunctionwasobtainedandsolved．Finally，amodelofsparsedatafilteringrecommendationalgorithmwasconstructed．Thus，thesparsedatafilteringrecommendationbasedonshort－termandlong－termmemorywascomple-ted．Experimentalresultsshowthattheproposedmeth...
