典型文献
FastGR:一种基于神经协同过滤的群组推荐算法
文献摘要：
群组推荐问题的关键在于如何对组内各成员不同的偏好进行融合来适应所有成员的需求.基于神经协同过滤框架和注意力机制的群组推荐算法从数据中动态地学习融合策略,相较于传统基于预定义策略的方法明显提升了推荐效果,但模型训练及推理时间较长.本文在此基础上重构了群组偏好融合模块,引入卷积神经网络来提取群组成员的特征,从而实现偏好融合:在公开数据集上的实验表明,本文算法比现有的算法具有更优的精度,训练速度提高了14倍.
文献关键词：
群组推荐算法;卷积神经网络;深度学习;偏好融合;神经协同过滤
中图分类号：
作者姓名：
尚文倩;曹原
作者机构：
中国传媒大学媒体融合与传播国家重点实验室,北京100024;中国传媒大学计算机与网络空间安全学院,北京100024
文献出处：
引用格式：
[1]尚文倩;曹原-.FastGR:一种基于神经协同过滤的群组推荐算法)[J].南京师范大学学报（工程技术版）,2022(02):29-34,47
A类：
FastGR,群组推荐算法
B类：
神经协同过滤,注意力机制,地学,融合策略,预定,推荐效果,模型训练,推理时间,偏好融合,群组成员,公开数据集,训练速度
AB值：
0.196172
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。
