混合ALS-MLP模型的高校志愿推荐算法OA

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.