典型文献
基于全局采样的混合门控神经网络推荐模型
文献摘要：
为缓解在数据稀疏情况下,推荐性能降低的问题,提出一个基于融合评分数据和文本数据的混合推荐模型.采用词级注意模块从项目内容描述和用户评分中学习项目的隐藏特征,使用一种门控神经网络对获得的隐藏特征进行更有效的特征融合,采用集成邻域注意力和自动编码器的学习框架对用户的偏好进行建模.采用基于新的全局采样策略优化相关损失函数,提供更加精准的推荐服务.实验结果表明,该推荐模型优于主流先进推荐模型.
文献关键词：
推荐系统;多源信息;融合策略;隐式反馈;门控神经网络
中图分类号：
作者姓名：
张意灵;邵雄凯;高榕;王春枝;吴歆韵
作者机构：
湖北工业大学 计算机学院,湖北 武汉 430068;南京大学 计算机软件新技术国家重点实验室,江苏 南京 210093
文献出处：
引用格式：
[1]张意灵;邵雄凯;高榕;王春枝;吴歆韵-.基于全局采样的混合门控神经网络推荐模型)[J].计算机工程与设计,2022(12):3365-3372
A类：
B类：
门控神经网络,数据稀疏,推荐性,评分数据,文本数据,混合推荐模型,用词,注意模块,项目内容,学习项目,隐藏特征,特征融合,邻域,自动编码器,采样策略,策略优化,损失函数,推荐服务,推荐系统,多源信息,融合策略,隐式反馈
AB值：
0.431324
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。
