关键词：个性化推荐 显式信息 隐式信息 神经网络 评分预测模型 

摘要：随着人工智能的发展,深度学习技术开始被广泛应用在个性化推荐业务上。本文在用户基本信息、电影元信息的基础上,融合点评文本、用户兴趣度的浏览行为、电影海报等多源信息,建立了一个基于联合神经网络的用户评分预测模型,并通过Adam优化方法拟合预测评分矩阵和真实评分矩阵,最后结合海报的相似度对候选推荐集中的电影做一个简单的分类,生成相似度最高的Top-N推荐列表。实验结果表明,该模型预测评分的准确率较ConvMF提高了0.06%,列表排序的平均准确率达到72%,推荐结果的平均综合指标达到0.85,用户满意度较高。

现代电影技术杂志要求:

{1}论文所涉及的课题凡取得国家或部、省级以上基金资助或属攻关项目者，请予以说明。

{2}来稿务求论点明确、论据充分、数据可靠、逻辑严密、层次分明、文字精炼。

{3}文章标题用三号黑体，二级标题用四号黑体，三级标题用小四号黑体。级次一般 用一、二、三，(一)(二)(三),1. 2. 3. (1)(2)(3)。序数中文序号用顿号，阿拉伯数字用下 标圆点分开。

{4}关键词每篇文章可选用3～5个能反映文章主题概念的词、词组或术语。

{5}所有作者的简介，格式为：姓名（出生年份-），性别，籍贯，职称职务，从事的工作或研究。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社