典型文献
基于深度受限玻尔兹曼机的个性化推荐算法
文献摘要：
为了提高个性化推荐系统性能,提出了一种基于深度受限玻尔兹曼机的个性化推荐方法.首先通过提取推荐系统的用户和资源特征构建多层受限玻尔兹曼机(Restricted Boltzmann machine,RBM)网络,从而形成深度受限玻尔兹曼机个性化推荐模型;其次通过可视和隐藏层的边缘概率分布求解待推荐训练样本的最大似然度;然后结合对比散度(Contrast divergence,CD)重构来获得RBM主要参数更新方式,并通过可视和隐藏层的正反向更新,来获得稳定的RBM结构;最后利用计算用户资源评分值实现个性化推荐.实验结果表明,在训练样本稀疏度合理范围内,与常用个性化推荐算法比较,所提方法通过合理控制RBM深度和设置合适的隐藏层节点数,能够获得更优的均方根误差(Root mean squared error,RMSE)性能.
文献关键词：
个性化推荐;深度受限玻尔兹曼机;对比散度;边缘概率;均方根误差
中图分类号：
作者姓名：
谢妙;邓育林;吕洁
作者机构：
玉林师范学院计算机科学与工程学院,玉林537000;南宁师范大学计算机与信息工程学院,南宁530299
文献出处：
引用格式：
[1]谢妙;邓育林;吕洁-.基于深度受限玻尔兹曼机的个性化推荐算法)[J].数据采集与处理,2022(02):456-462
A类：
深度受限玻尔兹曼机,最大似然度,对比散度
B类：
推荐算法,高个,个性化推荐系统,系统性能,推荐方法,资源特征,特征构建,Restricted,Boltzmann,machine,RBM,推荐模型,边缘概率,概率分布,训练样本,Contrast,divergence,CD,主要参数,参数更新,更新方式,正反,资源评分,稀疏度,合理范围,算法比较,合理控制,隐藏层节点,Root,mean,squared,error,RMSE
AB值：
0.305252
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。
