摘要
本发明提出的一种考虑多维度用户偏好的神经协同过滤推荐模型，包括从数据库中获取和清理数据信息，获得原始用户项目评分矩阵；基于Picture模糊集理论和设计的填充策略，将用户项目评分矩阵划分为隶属度P、非隶属度N、犹豫度H和拒绝度R四个矩阵，以此对应用户喜欢、不喜欢、犹豫和拒绝四种兴趣偏好状态；利用去噪自编码器模型对四个偏好矩阵进行拟合，学习用户在四种维度上的兴趣偏好，构建用户兴趣偏好模型；对上一步骤获取的用户对项目的Picture模糊数(四种维度上的兴趣偏好)进行归一化处理，并通过记分函数来获得用户对项目的兴趣偏好值；利用融合注意力机制的残差神经网络学习用户行为偏好，以用户对物品的历史评分信息作为输入，生成用户行为偏好值；通过加权的方式融合用户兴趣偏好和用户行为偏好，形成多维度用户偏好预测值并排序以生成推荐物品列表。
