基于卷積神經(jīng)網(wǎng)絡(luò)的多樣性關(guān)鍵數(shù)據(jù)并行推薦算法

摘要：為解決傳統(tǒng)數(shù)據(jù)推薦算法易受干擾因素的影響,忽略對數(shù)據(jù)結(jié)構(gòu)的分析,導(dǎo)致存在推薦精準(zhǔn)度較低的問題,提出基于卷積神經(jīng)網(wǎng)絡(luò)的多樣性關(guān)鍵數(shù)據(jù)并行推薦算法.從數(shù)據(jù)集中挑選點(diǎn)擊、收藏、購買等多樣性用戶行為信息,將用戶-商品作為樣本展開訓(xùn)練,構(gòu)建時(shí)序行為偏好特征,并對數(shù)據(jù)并行結(jié)構(gòu)展開分析.從大量數(shù)據(jù)中提取與并行結(jié)構(gòu)分析相關(guān)的關(guān)鍵數(shù)據(jù),進(jìn)行預(yù)處理,在此基礎(chǔ)上,采用卷積神經(jīng)網(wǎng)絡(luò)算法計(jì)算最大化似然概率,獲取損失函數(shù),按照損失情況將卷積層神經(jīng)元結(jié)構(gòu)最簡化處理,避免過擬合現(xiàn)象出現(xiàn),由此實(shí)現(xiàn)對多樣性關(guān)鍵數(shù)據(jù)的并行推薦.實(shí)驗(yàn)結(jié)果表明,所提算法的最高推薦精準(zhǔn)度可達(dá)到98.75%,且在有無干擾因素存在的情況下,精準(zhǔn)度均高于傳統(tǒng)方法,且本文算法的關(guān)鍵數(shù)據(jù)提取效率較高,可為用戶尋找資料提供便捷途徑.