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
1
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
混合深层协同过滤的SVD++推荐方法
被引量:
2
1
作者
汪赫瑜
夏航
任建华
《辽宁工程技术大学学报(自然科学版)》
CAS
北大核心
2020年第6期524-532,共9页
为抑制辅助信息在推荐模型中各个方向的扰动并考虑使用文本信息提取项目特征,提出一种矩阵分解模型,混合深层协同过滤的SVD++推荐方法.该模型将附加栈式降噪自编码器和堆叠的收缩降噪自编码器与辅助信息相结合,分别提取用户和项目的潜...
为抑制辅助信息在推荐模型中各个方向的扰动并考虑使用文本信息提取项目特征,提出一种矩阵分解模型,混合深层协同过滤的SVD++推荐方法.该模型将附加栈式降噪自编码器和堆叠的收缩降噪自编码器与辅助信息相结合,分别提取用户和项目的潜在特征表示,并在提取项目特征表示时加入预训练的词嵌入模型考虑词语之间的语义关系.在数据集MovieLens-1M与MovieLens-10M的实验.结果表明:相比于传统算法、深度学习算法以及所提模型的变体,所提模型更有效地提取潜在特征表示并提高预测评分精度.
展开更多
关键词
推荐系统
深度学习
附加栈式
降
噪
自编码器
收缩降噪自编码器
矩阵分解
下载PDF
职称材料
题名
混合深层协同过滤的SVD++推荐方法
被引量:
2
1
作者
汪赫瑜
夏航
任建华
机构
辽宁工程技术大学电子与信息工程学院
出处
《辽宁工程技术大学学报(自然科学版)》
CAS
北大核心
2020年第6期524-532,共9页
基金
国家自然科学基金(61772249)
文摘
为抑制辅助信息在推荐模型中各个方向的扰动并考虑使用文本信息提取项目特征,提出一种矩阵分解模型,混合深层协同过滤的SVD++推荐方法.该模型将附加栈式降噪自编码器和堆叠的收缩降噪自编码器与辅助信息相结合,分别提取用户和项目的潜在特征表示,并在提取项目特征表示时加入预训练的词嵌入模型考虑词语之间的语义关系.在数据集MovieLens-1M与MovieLens-10M的实验.结果表明:相比于传统算法、深度学习算法以及所提模型的变体,所提模型更有效地提取潜在特征表示并提高预测评分精度.
关键词
推荐系统
深度学习
附加栈式
降
噪
自编码器
收缩降噪自编码器
矩阵分解
Keywords
recommender systems
deep learning
additional stacked denoising autoencoder(ASDAE)
contractive denoising autoencoder(CDAE)
matrix factorization
分类号
TP391.3 [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
作者
出处
发文年
被引量
操作
1
混合深层协同过滤的SVD++推荐方法
汪赫瑜
夏航
任建华
《辽宁工程技术大学学报(自然科学版)》
CAS
北大核心
2020
2
下载PDF
职称材料
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