典型文献
基于混合深度神经网络的就业推荐方法
文献摘要：
针对就业推荐中交互数据极其稀疏的问题,提出一个基于多头自注意力机制和特征交叉网络的混合深度神经网络模型.对学生行为序列属性进行定义,将学生基本属性、学生行为序列属性、职业基本属性、职业描述属性的独立嵌入作为模型输入;使用多头自注意力机制挖掘学生行为序列属性与职业描述属性中的序列特征;分别使用特征交叉网络和深度神经网络实现特征交互和数据的深度拟合.基于真实数据集的实验结果表明,与目前已有方法相比,该模型在HR@50与MRR@50指标上达到了最优性能,验证了模型的有效性.
文献关键词：
推荐算法;就业推荐;深度神经网络;多头自注意力机制;行为序列;特征融合
中图分类号：
作者姓名：
张婳;彭海英
作者机构：
重庆邮电大学 通信与信息工程学院,重庆 400065;重庆邮电大学重庆高校市级光通信与网络重点实验室,重庆 400065;重庆邮电大学泛在感知与互联重庆市重点实验室,重庆 400065
文献出处：
引用格式：
[1]张婳;彭海英-.基于混合深度神经网络的就业推荐方法)[J].计算机工程与设计,2022(04):995-1001
A类：
B类：
就业推荐,推荐方法,交互数据,多头自注意力机制,特征交叉,交叉网络,深度神经网络模型,学生行为,行为序列,基本属性,模型输入,序列特征,使用特征,特征交互,真实数据,MRR,上达,最优性能,推荐算法,特征融合
AB值：
0.285839
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。
