典型文献
生成对抗网络及其个性化推荐研究
文献摘要：
生成对抗网络(Generative Adversarial Nets)是一种融合了生成学习和对抗学习的无监督学习方法,以零和博弈作为核心思想,其组件通过互相对抗不断地提升模型效果.将GAN模型融入到推荐领域中,可有效缓解数据稀疏性问题,提高推荐效果.本文从模型输入的是隐式反馈信息或显式反馈信息两个方面对基于GAN的个性化推荐模型进行了分析;探讨了基于GAN的个性化推荐研究已取得的相关成果,指出了现有GAN推荐研究在稳定性较差、缺少通用优化方法、模型复杂度较高、缺少通用评测指标等方面的不足;并从提高模型稳定性、缓解数据稀疏性、融合多场景、融入图神经网络等方面对GAN推荐的未来发展性方向进行了展望.
文献关键词：
生成对抗网络;推荐系统;隐式反馈;显式反馈
中图分类号：
作者姓名：
杨宇;吴国栋;刘玉良;汪菁瑶;范维成
作者机构：
安徽农业大学信息与计算机学院,合肥230036
文献出处：
引用格式：
[1]杨宇;吴国栋;刘玉良;汪菁瑶;范维成-.生成对抗网络及其个性化推荐研究)[J].小型微型计算机系统,2022(03):574-581
A类：
B类：
生成对抗网络,个性化推荐,Generative,Adversarial,Nets,生成学习,对抗学习,无监督学习,零和博弈,核心思想,GAN,解数,数据稀疏性,推荐效果,模型输入,隐式反馈,反馈信息,显式反馈,推荐模型,模型复杂度,评测指标,模型稳定性,多场景,图神经网络,发展性,推荐系统
AB值：
0.370078
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。
