推荐系统——Converged Recommendation System Based on RNN and BP Neural Networks-优快云博客

本文链接：https://blog.youkuaiyun.com/manduner/article/details/81083821

本文提出一种结合RNN和BP神经网络的用户行为预测模型RNNBPNNCM，该模型能有效处理时间上下文及循环模式问题，适用于电商、社交网络等在线消费平台，实现用户行为的精准预测。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

论文描述：

随着电子商务系统、社交网络、音乐应用等在线消费平台的快速发展，大量用户的消费行为日志每天都在产生。同时，我们现在有很好的硬件环境和相应的大数据处理技术来处理这些日志，如：越来越成熟的并行计算技术、机器学习和深度学习算法。尽管研究人员已经对推荐系统做了大量的研究，如：协同过滤推荐技术，但是目前的推荐系统并不能有效地同时处理时间上下文和复发模式问题。

社交网络或其他在线消费平台中的用户行为遵循着一定的循环规则，同时，用户在不同的时间背景下表现不同，因此，时间背景是用户行为分析的重要因素。我们将这些在线消费平台记录下的用的行为日志分为三类：根据用户长期习惯的长期行为、根据用户最近习惯变化的短期行为，以及被称为流行行为的流行元素影响的用户行为。在基于RNN语言模型的思想上，提出了一种新的用户行为预测模型RNNBPNNCM，该模型通过嵌套RNN和BPNN来分析各种行为序列，不仅能够获取用户行为的时间背景和循环模式，还能够分析以上三种用户行为序列，能够充分利用在线消费平台的大量用户行为日志来精准的预测用户的下一消费行为，可以为用户做到更好的个性化服务。

参考文献：

Qu Z W, Zheng S, Wang X, et al. Converged Recommendation System Based on RNN and BP Neural Networks[C]//Big Data and Smart Computing (BigComp), 2018 IEEE International Conference on. IEEE, 2018: 308-313.