基于广义回归神经网络的网络信息资源个性化推荐方法

摘要：

传统网络信息资源个性化推荐方法无法存储长期信息,导致推荐精度低,召回率高.因此,研究基于广义回归神经网络的网络信息资源个性化推荐方法.首先,获取初始兴趣偏好特征数据,分配相应权重进行归一化处理;其次,确定训练样本的收敛范围,调整权值得到不同层神经元之间的连接权值和阈值,并输出匹配结果;最后,运用过滤推荐算法计算环境网络信息资源偏好和用户网络关系,得到训练样本相似度,生成近似数据集,根据偏好完成个性化推荐.实验结果表明,该方法的召回率最低,推荐准确程度高.

关键词：广义回归神经网络、信息资源、个性化、推荐方法

所属期刊栏目：35

分类号：TP309(计算技术、计算机技术)

在线出版日期：2023-05-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：38-40