基于鲸鱼优化算法改进长短期记忆神经网络的资源推荐

为了改善资源推荐算法的性能，提出基于鲸鱼优化算法(WOA)改进长短期记忆神经网络(LSTM)的资源推荐算法；首先提取资源和用户特征，构建特征差异值加权函数；然后，以资源-用户特征作为输入，建立基于LSTM的资源推荐算法，通过输入门、遗忘门、输出门及记忆节点对历史资源推荐数据按权重进行遗忘与筛选，有选择性地挑选部分数据进行循环迭代训练；考虑到LSTM的门操作需要设置的参数较多，引入WOA进行参数智能优化求解，提出WOA-LSTM算法，以提高LSTM的参数优化的精度及效率。结果表明，通过合理设置WOA参数，可以有效改善LSTM的资源推荐性能，与常用资源推荐算法相比，所提出的WOA-LSTM算法具有更高的推荐精度及稳定性。