期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于卷积神经网络交互的用户属性偏好建模的推荐模型
被引量：
2
1
作者
潘仁志
钱付兰
+1 位作者
赵姝
张燕平
《计算机应用》
CSCD
北大核心
2022年第2期404-411,共8页
潜在因子模型(LFM)以其优异的性能在推荐领域得到了广泛应用。在LFM中除了使用交互数据以外,辅助信息也被引入用于解决数据稀疏的问题,从而提升推荐的性能。然而,大多数LFM仍然存在一些问题:第一,LFM在对用户进行建模时,忽略了用户如何...
潜在因子模型(LFM)以其优异的性能在推荐领域得到了广泛应用。在LFM中除了使用交互数据以外,辅助信息也被引入用于解决数据稀疏的问题,从而提升推荐的性能。然而,大多数LFM仍然存在一些问题:第一,LFM在对用户进行建模时,忽略了用户如何根据其特征偏好对项目作出决策;第二,采用内积的特征交互假设特征维度之间是相互独立的,而没有考虑到特征维度之间的关联。针对上述问题,提出一种新的推荐模型:基于卷积神经网络(CNN)交互的用户属性偏好建模的推荐模型(UAMC)。该模型首先获得用户的一般偏好、用户属性和项目嵌入,然后将用户属性和项目嵌入进行交互,以探索用户不同的属性对不同项目的偏好;接着将交互过的用户偏好属性送入CNN层来探索不同偏好属性的不同维度的关联,从而得到用户的属性偏好向量;接着使用注意力机制结合用户的一般偏好和CNN层得到的属性偏好,从而获得用户的向量表示;最后采用点积来计算用户对项目的评分。在Movielens-100K、Movielens-1M和Book-crossing这三个真实的数据集上进行了实验。实验结果表明,所提模型在均方根误差(RMSE)上与稀疏数据预测的神经网络分解机(NFM)模型相比分别降低了1.75%、2.78%和0.25%,验证了在LFM的评分预测推荐中,UAMC在提升推荐精度上的有效性。
展开更多
关键词
潜在因子模型
用户
偏好
用户属性偏好
卷积神经网络
特征交互
注意力机制
在线阅读
下载PDF
职称材料
利用用户不偏好项目属性提高项目协同过滤算法效率和精度
被引量：
2
2
作者
文诗琪
王成
+3 位作者
苏芳芳
刘技峰
陈叶旺
郑国旗
《小型微型计算机系统》
CSCD
北大核心
2017年第8期1735-1740,共6页
针对传统项目协同过滤算法选择最近邻时需要计算待评分项目与所有其它项目之间的相似度而导致算法效率和推荐精度低的缺点,提出一种基于用户不偏好项目属性的项目协同过滤算法.该算法通过对用户评分偏低的项目属性进行归一化计数并设定...
针对传统项目协同过滤算法选择最近邻时需要计算待评分项目与所有其它项目之间的相似度而导致算法效率和推荐精度低的缺点,提出一种基于用户不偏好项目属性的项目协同过滤算法.该算法通过对用户评分偏低的项目属性进行归一化计数并设定阈值,从而将其分为用户不偏好项目属性和非用户不偏好项目属性.只有在其它项目与待评分项目同时具有用户不偏好项目属性或同时都不具有用户不偏好项目属性时,该项目才作为待评分项目最近邻的备选项,才需要计算两项目之间的相似度.该算法通过减少备选最近邻项目集大小和需要计算项目相似度的个数,提高了算法效率;与此同时,由于不合理项目已提前从备选最近邻项目集中排除,选取作为评分预测的最近邻会更为合理,推荐精度也会提高.在数据极度稀疏的Movie Lens-100K数据集上的五折交叉验证结果表明,相较于传统的项目协同过滤算法、基于项目偏好相似的项目协同过滤算法,该算法有更高的效率、精度和覆盖率.
展开更多
关键词
项目协同过滤
用户
不
偏好
项目
属性
备选最近邻项目集
时间效率
推荐精度
在线阅读
下载PDF
职称材料
题名
基于卷积神经网络交互的用户属性偏好建模的推荐模型
被引量：
2
1
作者
潘仁志
钱付兰
赵姝
张燕平
机构
安徽大学计算机科学与技术学院
计算智能与信号处理教育部重点实验室(安徽大学)
信息材料和智能感知安徽省实验室(安徽大学)
出处
《计算机应用》
CSCD
北大核心
2022年第2期404-411,共8页
基金
安徽省自然科学基金资助项目(1808085MF175)。
文摘
潜在因子模型(LFM)以其优异的性能在推荐领域得到了广泛应用。在LFM中除了使用交互数据以外,辅助信息也被引入用于解决数据稀疏的问题,从而提升推荐的性能。然而,大多数LFM仍然存在一些问题:第一,LFM在对用户进行建模时,忽略了用户如何根据其特征偏好对项目作出决策;第二,采用内积的特征交互假设特征维度之间是相互独立的,而没有考虑到特征维度之间的关联。针对上述问题,提出一种新的推荐模型:基于卷积神经网络(CNN)交互的用户属性偏好建模的推荐模型(UAMC)。该模型首先获得用户的一般偏好、用户属性和项目嵌入,然后将用户属性和项目嵌入进行交互,以探索用户不同的属性对不同项目的偏好;接着将交互过的用户偏好属性送入CNN层来探索不同偏好属性的不同维度的关联,从而得到用户的属性偏好向量;接着使用注意力机制结合用户的一般偏好和CNN层得到的属性偏好,从而获得用户的向量表示;最后采用点积来计算用户对项目的评分。在Movielens-100K、Movielens-1M和Book-crossing这三个真实的数据集上进行了实验。实验结果表明,所提模型在均方根误差(RMSE)上与稀疏数据预测的神经网络分解机(NFM)模型相比分别降低了1.75%、2.78%和0.25%,验证了在LFM的评分预测推荐中,UAMC在提升推荐精度上的有效性。
关键词
潜在因子模型
用户
偏好
用户属性偏好
卷积神经网络
特征交互
注意力机制
Keywords
Latent Factor Model(LFM)
user preference
user attribute preference
Convolutional Neural Network(CNN)
feature interaction
attention mechanism
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
利用用户不偏好项目属性提高项目协同过滤算法效率和精度
被引量：
2
2
作者
文诗琪
王成
苏芳芳
刘技峰
陈叶旺
郑国旗
机构
华侨大学计算机科学与技术学院
华侨大学-亚尔迪智能电子商务联合研究中心
华侨大学外国语学院
亚尔迪(厦门)科技有限公司
出处
《小型微型计算机系统》
CSCD
北大核心
2017年第8期1735-1740,共6页
基金
国家自然科学基金项目(51305142)资助
福建省自然科学基金面上项目(2016J0101)资助
+1 种基金
厦门市科技计划项目(3502Z20151239)资助
华侨大学研究生科研创新能力培育计划项目(1511314023)资助
文摘
针对传统项目协同过滤算法选择最近邻时需要计算待评分项目与所有其它项目之间的相似度而导致算法效率和推荐精度低的缺点,提出一种基于用户不偏好项目属性的项目协同过滤算法.该算法通过对用户评分偏低的项目属性进行归一化计数并设定阈值,从而将其分为用户不偏好项目属性和非用户不偏好项目属性.只有在其它项目与待评分项目同时具有用户不偏好项目属性或同时都不具有用户不偏好项目属性时,该项目才作为待评分项目最近邻的备选项,才需要计算两项目之间的相似度.该算法通过减少备选最近邻项目集大小和需要计算项目相似度的个数,提高了算法效率;与此同时,由于不合理项目已提前从备选最近邻项目集中排除,选取作为评分预测的最近邻会更为合理,推荐精度也会提高.在数据极度稀疏的Movie Lens-100K数据集上的五折交叉验证结果表明,相较于传统的项目协同过滤算法、基于项目偏好相似的项目协同过滤算法,该算法有更高的效率、精度和覆盖率.
关键词
项目协同过滤
用户
不
偏好
项目
属性
备选最近邻项目集
时间效率
推荐精度
Keywords
item-based collaborative filtering
users＇ unfavorable item attributes
alternative nearest neighbor set
time efficiency
recommendation accuracy
分类号
TP311 [自动化与计算机技术—计算机软件与理论]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于卷积神经网络交互的用户属性偏好建模的推荐模型
潘仁志
钱付兰
赵姝
张燕平
《计算机应用》
CSCD
北大核心
2022
2
在线阅读
下载PDF
职称材料
2
利用用户不偏好项目属性提高项目协同过滤算法效率和精度
文诗琪
王成
苏芳芳
刘技峰
陈叶旺
郑国旗
《小型微型计算机系统》
CSCD
北大核心
2017
2
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
