關鍵詞：個性化推薦 顯式信息 隱式信息 神經網絡 評分預測模型 

摘要：隨著人工智能的發展,深度學習技術開始被廣泛應用在個性化推薦業務上。本文在用戶基本信息、電影元信息的基礎上,融合點評文本、用戶興趣度的瀏覽行為、電影海報等多源信息,建立了一個基于聯合神經網絡的用戶評分預測模型,并通過Adam優化方法擬合預測評分矩陣和真實評分矩陣,最后結合海報的相似度對候選推薦集中的電影做一個簡單的分類,生成相似度最高的Top-N推薦列表。實驗結果表明,該模型預測評分的準確率較ConvMF提高了0.06%,列表排序的平均準確率達到72%,推薦結果的平均綜合指標達到0.85,用戶滿意度較高。

現代電影技術雜志要求:

{1}論文所涉及的課題凡取得國家或部、省級以上基金資助或屬攻關項目者，請予以說明。

{2}來稿務求論點明確、論據充分、數據可靠、邏輯嚴密、層次分明、文字精煉。

{3}文章標題用三號黑體，二級標題用四號黑體，三級標題用小四號黑體。級次一般 用一、二、三，(一)(二)(三),1. 2. 3. (1)(2)(3)。序數中文序號用頓號，阿拉伯數字用下 標圓點分開。

{4}關鍵詞每篇文章可選用3～5個能反映文章主題概念的詞、詞組或術語。

{5}所有作者的簡介，格式為：姓名（出生年份-），性別，籍貫，職稱職務，從事的工作或研究。

注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社