-
题名面向海量数据场景的生成对抗网络推荐算法
- 1
-
-
作者
王庆刚
陈华春
张林
-
机构
西南石油大学网络与信息化中心
-
出处
《现代电子技术》
2025年第10期71-75,共5页
-
文摘
海量数据中往往包含复杂的用户行为模式、物品属性以及它们之间的关系,这些关系通常具有非线性的特点。传统的生成对抗网络(GAN)在处理序列数据时可能面临非线性建模的挑战。为有效捕捉用户的长短期兴趣变化,丰富内容多样性,并提升在海量数据场景下的处理能力和稳定性,提出一种面向海量数据场景的生成对抗网络推荐算法。长短期记忆(LSTM)网络以用户对数据场景的行为模式作为输入,输出用户感兴趣的数据场景的长短期动态序列。文中将LSTM与GAN相结合,形成L-GAN推荐模型。在该模型中,LSTM输出的长短期动态序列被输入到生成对抗网络的生成器中,通过优化损失函数生成类似真实数据场景的假样本。将假样本与真实数据场景一同输入到判别器中,通过其目标函数甄别真伪。生成器与判别器经过反复较量与训练,形成精准的推荐网络,最终输出符合用户兴趣的数据场景推荐列表。实验结果表明,所提算法在处理海量数据场景时能够准确捕捉用户的需求,进行高效且全面的个性化推荐。
-
关键词
海量数据场景
生成对抗网络
长短期记忆网络
推荐算法
动态序列
个性化推荐
目标函数
-
Keywords
massive data scenario
generative adversarial network
long-short term memory network
recommendation algorithm
dynamic sequence
personalized recommendation
objective function
-
分类号
TN919.2-34
[电子电信]
TP391
[电子电信—通信与信息系统]
-
