多标签学习在智能推荐中的研究与应用
传统的智能推荐中运用了协同过滤算法,但是它并不能很好地处理用户的评分信息,推荐的质量受存在的数据稀疏性、极端数据的影响.对此,将推荐问题转换为多标签学习问题,文中提出了一种基于HMM模型和用户画像的完备智能推荐系统.首先设立不同的数据处理机制来提高模型的泛化能力,其次为了解决数据稀疏问题,提出反马尔科夫性改进HMM模型,最终构建用户画像对HMM模型的学习经验得到的结果进行筛选,得到最终的推荐服务.实验结果表明,在智能推荐问题中多标签学习有效地提高了推荐准确性和推荐效率.
智能推荐系统、多标签学习、数据稀疏、用户画像
46
TP3-05(计算技术、计算机技术)
国家青年基金资助项目11301120;河北省青年科学基金资助项目A2015209189;唐山市数据科学重点实验室基金资助项目,河北省数据科学与应用重点实验室基金
2019-12-19(万方平台首次上网日期,不代表论文的发表时间)
共5页
189-193