期刊专题

融合特征信息的混合推荐模型

引用
传统的矩阵分解模型仅通过用户-项目的评分矩阵来对用户进行项目推荐,由于未能使用用户与项目的特征信息从而造成了信息损失,使得模型的评分预测误差较大.为了更加充分地满足个性化推荐的需求,利用因子分解机以及深度神经网络改进传统的矩阵分解模型,融入用户与项目的特征信息.对改进后的模型在数据集MovieLens-1M上检验模型的效果,采用RMSE作为评估指标,实验发现改进后模型的RMSE值降低,模型的评分预测误差减小,评分预测结果更加准确.

矩阵分解;因子分解机;深度学习;推荐模型

17

TP391(计算技术、计算机技术)

2021-10-22(万方平台首次上网日期,不代表论文的发表时间)

共3页

17-19

暂无封面信息
查看本期封面目录

电脑知识与技术

1009-3044

34-1205/TP

17

2021,17(25)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn