典型文献
基于半监督学习模型的协同过滤推荐算法
文献摘要：
针对数据稀疏且存在不均衡标签的问题,提出一种基于半监督学习模型的协同过滤推荐算法.半监督学习可以同时利用有标签和无标签数据,根据有标签数据的监督信息来给无标签数据打上伪标签,通过对无标签数据的预测,有效缓解数据的稀疏性,从而提升模型推荐效果.通过对比实验表明,在不同的公开数据集中,本文算法的均方根误差与平均绝对误差均比传统推荐方法有所降低,验证了其有效性.
文献关键词：
矩阵分解;推荐算法;半监督学习;深度学习
中图分类号：
作者姓名：
崔莹莹;陈卓;王红霞
作者机构：
青岛科技大学信息科学技术学院,山东 青岛 266061
文献出处：
引用格式：
[1]崔莹莹;陈卓;王红霞-.基于半监督学习模型的协同过滤推荐算法)[J].东北师大学报（自然科学版）,2022(03):60-66
A类：
B类：
半监督学习,协同过滤推荐算法,数据稀疏,无标签数据,监督信息,打上,伪标签,解数,稀疏性,推荐效果,公开数据集,平均绝对误差,推荐方法,矩阵分解
AB值：
0.213353
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
