集成因子分解机及其在论文推荐中的应用研究

摘要：

[目的]针对现有论文推荐方法在处理论文作者映射关系稀疏和特征表达时存在成效不足的问题,开发一种基于因子分解机和集成学习的新型论文推荐框架.[方法]使用卷积神经网络、网络嵌入等方法处理数据获取特征表示,将特征矩阵输入因子分解机,引入随机子空间法集成训练模型,最后通过投票机制协同后输出推荐结果.[结果]基于CiteULike数据集的实验结果表明,本文方法的推荐精确率、准确率和F度量分别为72.6％、69.7％和76.2％,分别比基准算法提升高于20个百分点、15个百分点和9个百分点.[局限]负采样过程中缺乏正负样本语义相似性的考虑,在模型的输入构造、特征处理模式方面有待进一步探究.[结论]集成因子分解机能在数据稀疏情况下实现特征的有效表示和利用,从而提升推荐效果.

关键词：论文推荐、因子分解机、集成学习

所属期刊栏目：7

分类号：TP311;G250(计算技术、计算机技术)

在线出版日期：2023-10-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：128-137