典型文献
分解机深度网络推荐算法
文献摘要：
近些年很多基于深度学习的推荐模型被提出,这些模型通过对特征的处理和改变深度网络结构来解决推荐系统数据稀疏和冷启动的问题.然而现有的方法忽略了特征与特征之间的交互对深度网络的影响,限制了模型的学习能力.为了给用户推荐更感兴趣的项目和信息,本文提出了分解机深度网络(Factorization Machine Deep Network,FMN)模型.该模型将因式分解机和深度神经网络结合,首先利用因式分解机在特征之间进行交互以充分学习交叉项特征,然后利用深度网络学习高阶非线性特征.进而,分解机深度网络将特征的隐藏信息充分发掘出来并拥有高阶的非线性特征学习能力.两个真实数据集的实验表明,本文提出的模型在推荐性能上有着明显的提升.
文献关键词：
推荐系统;深度学习;因式分解机;多层感知机
中图分类号：
作者姓名：
李超;付伟;马宁;严武尉
作者机构：
哈尔滨师范大学 计算机科学与信息工程学院,哈尔滨150500
文献出处：
引用格式：
[1]李超;付伟;马宁;严武尉-.分解机深度网络推荐算法)[J].小型微型计算机系统,2022(02):300-305
A类：
因式分解机
B类：
推荐算法,推荐模型,变深,深度网络结构,推荐系统,系统数据,数据稀疏,冷启动,用户推荐,感兴趣,Factorization,Machine,Deep,Network,FMN,深度神经网络,互以,网络学习,非线性特征,隐藏信息,发掘出来,特征学习能力,真实数据,推荐性,多层感知机
AB值：
0.364004
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。
