混合ALS-MLP模型的高校志愿推荐算法

摘要

针对传统推荐算法在处理高考志愿填报信息时效率较低的问题，本文采用双向长短期记忆(Bidirectional long short-term memory, BiLSTM)网络对用户的情感信息进行序列化处理，并将处理后的信息作为推荐模型的输入，以提高与用户情感的交互性.利用交替最小二乘(Alternating least squares, ALS)法和多层感知机(Multilayer perceptron, MLP)联合训练特征，在训练过程中使用Adam-W(Adaptive moment estimation with weight decay)优化算法对方法进行动态调参，并使用Dropout正则化算法对训练结果进行随机性提纯，以提高推荐算法的准确度.在辽宁招生考试之窗高校数据集上进行实验比较，结果表明，本文的混合ALS-MLP模型在数据集上表现更佳，准确率高于传统方法，并且通过实验确定了多层感知机隐藏层的最优层数.

关键词

高考 / 情感分析 / 数据预处理 / 多层感知机 / 优化算法 / 正则化算法

基金资助

辽宁省自然科学基金面上项目-科技计划联合计划(2024-MSLH-196)