基于改进的深度置信网络的视频资源利用者类型识别研究

摘要：

为定位视频资源平台中用户的需求,提出构建一个由改进的基于多层稀疏类别受限玻尔兹曼机的深度置信网络模型,用于发现用户感兴趣的视频类型.该模型首先在受限玻尔兹曼机模型中加入一个类别层;其次,将稀疏约束引入深度置信网络模型的算法;最后,采用arctan函数代替原稀疏约束的惩罚项,使得能够获取到更加有效的目标稀疏表示,以更为简洁有效的训练实现对用户类型的识别.对比实验表明,改进的稀疏深度置信网络能够提高用户类型识别的正确率,提高用户分类的精度,提升模型对用户类型识别的性能.

关键词：用户分类、视频资源、深度置信网络、模型构建、数据挖掘、深度学习、稀疏约束

所属期刊栏目：44

分类号：TN711-34;TP391(基本电子电路)

资助基金：国家自然科学基金201701D121057

在线出版日期：2021-07-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：50-54