期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
基于深度学习的IPTV视频用户行为分析方法研究 被引量:4
1
作者 刘超 贾毓臻 王攀 《计算机应用与软件》 北大核心 2019年第6期167-170,286,共5页
IPTV视频业务的复杂性和多样性使其难以充分发挥运营商技术优势。借助深度神经网络DNN模型对IPTV视频用户进行用户行为分析。利用深度学习算法对用户点播视频活跃度实施精确分类,从而帮助IPTV服务提供商合理配置资源,同时为终端用户提... IPTV视频业务的复杂性和多样性使其难以充分发挥运营商技术优势。借助深度神经网络DNN模型对IPTV视频用户进行用户行为分析。利用深度学习算法对用户点播视频活跃度实施精确分类,从而帮助IPTV服务提供商合理配置资源,同时为终端用户提供更高效优质的服务。实验结果表明,与现有的方法相比,该方法收敛快,分类准确率达93%。 展开更多
关键词 IPTV用户行为 深度学习 DNN
在线阅读 下载PDF
基于改进的BiasSVD和聚类用户最近邻的协同过滤混合推荐算法 被引量:8
2
作者 刘超 赵文静 +1 位作者 贾毓臻 蔡冠宇 《计算机应用与软件》 北大核心 2021年第5期288-293,共6页
随着现代互联网技术的飞速发展与不断完善,网络信息爆发式积累,信息推荐是缓解信息过载问题的重要手段。传统的协同过滤算法依托于大规模的用户物品空间,当出现新用户或新物品时,系统计算量将会倍增,时效性无法得到保证。为了有效改善... 随着现代互联网技术的飞速发展与不断完善,网络信息爆发式积累,信息推荐是缓解信息过载问题的重要手段。传统的协同过滤算法依托于大规模的用户物品空间,当出现新用户或新物品时,系统计算量将会倍增,时效性无法得到保证。为了有效改善用户物品评分矩阵的可扩展性问题,提出一种基于改进的BiasSVD和聚类用户最近邻的协同过滤混合推荐算法。实验结果表明,该算法预测准确度高,并能够缓解矩阵可扩展性问题,从而改善推荐系统的时效性问题。 展开更多
关键词 BiasSVD 聚类 混合推荐算法
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部