期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
引入激活加权策略的分组排序学习方法
1
作者
李玉轩
洪学海
+2 位作者
汪洋
唐正正
班艳
《计算机科学与探索》
CSCD
北大核心
2022年第7期1594-1602,共9页
排序学习(LtR)将有监督机器学习技术(SML)用于解决排序问题,旨在给出输入文档列表的相关度更优化的排序结果。此前关于深度排序模型的研究,对于列表内文档的相关度计算彼此独立,缺乏考虑文档之间的相互作用。近年来一些新方法致力于挖...
排序学习(LtR)将有监督机器学习技术(SML)用于解决排序问题,旨在给出输入文档列表的相关度更优化的排序结果。此前关于深度排序模型的研究,对于列表内文档的相关度计算彼此独立,缺乏考虑文档之间的相互作用。近年来一些新方法致力于挖掘文档之间的相互影响,如分组评分法(GSF),通过学习多元变量评分函数来联合判断文档相关性,但大多忽略了文档间相互影响的差异性,同时增加了很大的计算代价。针对此问题,提出了一种带权重的分组深度排序模型(W-GSF)。该方法借鉴推荐领域的深度兴趣网络,引入其根据候选商品调整历史行为序列权重的思想,在排序学习中多元评分法基础上,以多层前馈神经网络为主体结构,并在输入端加入激活单元,利用神经网络自适应学习调整输入的多元变量的权重,来挖掘交叉文档关系的差异性。在公共基准数据集MSLR上的实验验证了该方法的有效性,相比基线排序模型,激活策略的引入带来了排序指标上的明显提升,同时相对于同等效果的排序方法计算量大幅降低。
展开更多
关键词
排序
学习
(
ltr
)
分组评分法(GSF)
深度神经网络
深度兴趣网络
下载PDF
职称材料
基于学习排序的并行协同过滤推荐算法
被引量:
1
2
作者
肖菁
袁凌
+1 位作者
黄昌勤
吴不晓
《华中科技大学学报(自然科学版)》
EI
CAS
CSCD
北大核心
2018年第3期36-41,共6页
为实现大数据环境下高效、精准的商品推荐,将协同过滤思想与信息检索理论有机融合,提出基于学习排序(LTR)的并行协同过滤推荐算法.首先利用相似物品-物品网络图结构共享参数的方法减少参数,通过Pairwise方法构造目标函数,并利用梯度...
为实现大数据环境下高效、精准的商品推荐,将协同过滤思想与信息检索理论有机融合,提出基于学习排序(LTR)的并行协同过滤推荐算法.首先利用相似物品-物品网络图结构共享参数的方法减少参数,通过Pairwise方法构造目标函数,并利用梯度上升法得到参数.还提出了通过使用层次聚类的方法对差异性较大的相似图进行分裂,以保证推荐的准确度.最后给出大数据平台Spark下该推荐算法的并行化实现方案.在真实数据集Netflix上的实验结果表明:提出的算法不仅在召回率和准确率上有所提高,而且计算效率高效,表明该方法可以应用于大数据场景中的推荐服务.
展开更多
关键词
推荐算法
协同过滤
学习
排序
(
ltr
)
TOP
N推荐
并行化
Spark平台
原文传递
题名
引入激活加权策略的分组排序学习方法
1
作者
李玉轩
洪学海
汪洋
唐正正
班艳
机构
中国科学院计算机网络信息中心
中国科学院大学
中国科学院计算技术研究所
出处
《计算机科学与探索》
CSCD
北大核心
2022年第7期1594-1602,共9页
文摘
排序学习(LtR)将有监督机器学习技术(SML)用于解决排序问题,旨在给出输入文档列表的相关度更优化的排序结果。此前关于深度排序模型的研究,对于列表内文档的相关度计算彼此独立,缺乏考虑文档之间的相互作用。近年来一些新方法致力于挖掘文档之间的相互影响,如分组评分法(GSF),通过学习多元变量评分函数来联合判断文档相关性,但大多忽略了文档间相互影响的差异性,同时增加了很大的计算代价。针对此问题,提出了一种带权重的分组深度排序模型(W-GSF)。该方法借鉴推荐领域的深度兴趣网络,引入其根据候选商品调整历史行为序列权重的思想,在排序学习中多元评分法基础上,以多层前馈神经网络为主体结构,并在输入端加入激活单元,利用神经网络自适应学习调整输入的多元变量的权重,来挖掘交叉文档关系的差异性。在公共基准数据集MSLR上的实验验证了该方法的有效性,相比基线排序模型,激活策略的引入带来了排序指标上的明显提升,同时相对于同等效果的排序方法计算量大幅降低。
关键词
排序
学习
(
ltr
)
分组评分法(GSF)
深度神经网络
深度兴趣网络
Keywords
learning to rank(
ltr
)
groupwise scoring function(GSF)
deep neural network
deep interest network
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于学习排序的并行协同过滤推荐算法
被引量:
1
2
作者
肖菁
袁凌
黄昌勤
吴不晓
机构
华南师范大学计算机学院
华南师范大学教育信息技术学院
华中科技大学计算机科学与技术学院
出处
《华中科技大学学报(自然科学版)》
EI
CAS
CSCD
北大核心
2018年第3期36-41,共6页
基金
国家自然科学基金资助项目(61202296,61370178)
广东省科技计划专项资助项目(2015A030401087)
广州市科技计划资助项目(201604016019,201604010003)
文摘
为实现大数据环境下高效、精准的商品推荐,将协同过滤思想与信息检索理论有机融合,提出基于学习排序(LTR)的并行协同过滤推荐算法.首先利用相似物品-物品网络图结构共享参数的方法减少参数,通过Pairwise方法构造目标函数,并利用梯度上升法得到参数.还提出了通过使用层次聚类的方法对差异性较大的相似图进行分裂,以保证推荐的准确度.最后给出大数据平台Spark下该推荐算法的并行化实现方案.在真实数据集Netflix上的实验结果表明:提出的算法不仅在召回率和准确率上有所提高,而且计算效率高效,表明该方法可以应用于大数据场景中的推荐服务.
关键词
推荐算法
协同过滤
学习
排序
(
ltr
)
TOP
N推荐
并行化
Spark平台
Keywords
recommender algorithm, collaborative filtering: learning to rank (
ltr
)
Top Nrecommendation
parallelization
Sparkplatform
分类号
TP391 [自动化与计算机技术—计算机应用技术]
原文传递
题名
作者
出处
发文年
被引量
操作
1
引入激活加权策略的分组排序学习方法
李玉轩
洪学海
汪洋
唐正正
班艳
《计算机科学与探索》
CSCD
北大核心
2022
0
下载PDF
职称材料
2
基于学习排序的并行协同过滤推荐算法
肖菁
袁凌
黄昌勤
吴不晓
《华中科技大学学报(自然科学版)》
EI
CAS
CSCD
北大核心
2018
1
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部