-
题名融合评分矩阵和评论文本的深度神经网络推荐模型
被引量：7
- 1
-
-
作者
周传华
于猜
鲁勇
-
机构
安徽工业大学管理科学与工程学院
安徽工业大学复杂系统多学科管理与控制安徽普通高校重点实验室
中国科学技术大学计算机科学与技术学院
-
出处
《计算机应用研究》
CSCD
北大核心
2021年第4期1058-1061,1068,共5页
-
基金
国家自然科学基金资助项目(71772002,61702006)
复杂系统多学科管理与控制安徽普通高校重点实验室资助项目(CS2020-04)。
-
文摘
针对个性化推荐中用户评分矩阵数据集稀疏,用户和项目描述信息未充分利用的问题,提出融合评分矩阵和评论文本的深度神经网络推荐模型(deep neural network recommendation model,DeepRec)。首先将通过数据预处理得到的用户偏好特征和项目属性特征的文本集合分别输入到卷积神经网络进行训练,得到用户和项目的深层次非线性特征,同时将评分矩阵输入多层感知机得到用户偏好隐表示,并对两种模型提取的用户偏好隐表示进行融合;其次利用多层感知机建模用户和项目隐表示对用户进行个性化推荐;最后基于三组数据集以均方根误差为评估指标进行对比实验。结果表明DeepRec的预测误差更低,有效提高了推荐的精准度。
-
关键词
评分矩阵
评论文本
卷积神经网络
多层感知机
数据稀疏
-
Keywords
rating matrix
review text
convolutional neural network
multi-layer perceptron
data sparse
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
-
题名知识图谱嵌入的高阶协同过滤推荐系统
被引量：7
- 2
-
-
作者
徐兵
弋沛玉
王金策
彭舰
-
机构
四川大学计算机学院
山西能源学院计算机与信息工程系
-
出处
《计算机科学》
CSCD
北大核心
2021年第S02期244-250,共7页
-
基金
四川省重点研发计划(2020YFG0089)
四川大学-自贡市校地科技合作专向基金(2018CDZG-15)
山西省青年科技研究基金项目(201801D221176)。
-
文摘
针对推荐系统存在的数据稀疏问题,传统的协同过滤方法无法捕捉辅助信息之间的相关性,从而降低了推荐的准确度,文中提出KGE-CF模型,引入了知识图谱作为辅助信息,利用知识图谱中多源结构性的数据来缓解数据稀疏问题。KGE-CF结合多层感知机捕获高阶非线性特征的能力,能够学习出用户与项目更深层次的交互信息,从而提升推荐质量。首先,KGE-CF模型将用户的历史交互项目与知识图谱中的实体进行映射,并且利用知识图谱的翻译模型进行训练,得到实体嵌入向量与关系向量,并依据“兴趣迁移”思想进一步学习出更为丰富的用户向量;然后,模型将学习得到的用户向量与项目向量拼接,作为多层感知机的输入,捕捉用户与项目之间的高阶特征信息;最后,通过一个sigmoid函数得到用户对候选项目的偏好程度。通过在真实数据集上的实验,证明了提出的KGE-CF模型在点击率预测和top-k两种推荐场景下均优于其他方法。
-
关键词
知识图谱
多层感知机
推荐系统
协同过滤
数据稀疏性
-
Keywords
Knowledge graph
Multi-layer perceptron
Recommendation system
Collaborative filtering
Data sparsity
-
分类号
TP3
[自动化与计算机技术—计算机科学与技术]
-
-
题名无注意力胶囊网络的面部表情识别方法
被引量：1
- 3
-
-
作者
许学斌
刘晨光
路龙宾
曹淑欣
徐宗瑜
-
机构
西安邮电大学计算机学院
西安邮电大学陕西省网络数据分析与智能处理重点实验室
-
出处
《计算机工程与应用》
CSCD
北大核心
2023年第22期251-258,共8页
-
基金
国家自然科学基金(61673316)
陕西省教育厅项目(16JK1697)
+2 种基金
陕西省重点研发计划(2017GY-071)
陕西省技术创新引导项目(2017XT-005)
咸阳市科技计划项目(2017K01-25-3)。
-
文摘
表情识别技术可以从人类的表情中分析出识别对象的情感活动,针对面部表情图像复杂的空间关系和特征信息时,不能建立有效特征提取和映射模型的问题,稀疏多层感知机(spare multilayer perceptron,sMLP)使用很少的参数量让每个空间位置进行交流,而胶囊网络也可以表现特征的空间姿态信息,因此提出了一种新的面部表情识别模型sMLP-CapsNet,以提升表情识别空间关系映射的能力。采用CK+数据集和RAF-DB数据集,通过改进的胶囊神经网络从轮廓到细节提取面部表情图片特征,进而实现面部表情分类。相比于其他面部表情识别算法,模型精度提升效果明显,在CK+数据集和RAF-DB数据集上分别可达到99.48%以及85.69%的识别率,展现了该算法的先进性。
-
关键词
深度学习
胶囊神经网络
面部表情识别
稀疏多层感知机(smlp)
smlp-CapsNet
-
Keywords
deep learning
capsule neural network
facial expression recognition
spare multilayer perceptron(smlp)
smlp-CapsNet
-
分类号
TP391.9
[自动化与计算机技术—计算机应用技术]
-
