协同深度学习（CollaborativeDeepLearning，CDL）利用神经网络极强的特征学习能力和模型拟合鲁棒性，解决了推荐系统在数据稀疏的情况下性能表现急剧下降的问题。但当推荐系统面临大量数据时，导致模型训练变得难以维护，进而出现多种不可预料的问题。为解决上述问题，对协同深度学习及其并行化方法进行了研究，提出了一种针对项目内容学习优化的改进模型协同深度推荐（CDLwithitemprivatenode，CDL-i），通过对传统CDL中的自编码网络进行改进，增加私有网络节点，在模型的网络参数共享情况下，为每个项目添加私有偏置项，使网络能够更针对性地学习到项目内容参数，改进了