首站-论文投稿智能助手
典型文献
深层2D反卷积神经网络的序列推荐算法
文献摘要:
序列推荐是推荐算法体系中重要的内容之一.尽管传统的序列推荐算法已经取得了较好的效果,但是传统序列推荐算法容易受到用户行为序列的单向链式结构约束,一旦序列中出现突发性购买项目则会影响整体的推荐效果.本文基于深层2D反卷积神经网络通过成对编码放松了对序列单链的约束,跳过部分不合理项目,并通过反卷积神经网络扩充、提取序列信息.随后将多层神经网络相加,充分利用用户和项目的信息并加入丢弃层,避免出现过拟合现象.在训练过程中对损失函数进行了改进,增加权重系数,使训练时更容易找到神经网络损失函数的最小值,获得更好的推荐效果.在MovieLens和Gowalla数据集中的实验结果表明,本文所提出的算法可有效的提高神经网络对序列信息的处理能力,提高推荐的准确性.
文献关键词:
推荐系统;深度学习;序列信息;反卷积神经网络
作者姓名:
李昆仑;孙瑞刚;王珺
作者机构:
河北大学电子信息工程学院,河北保定071000
引用格式:
[1]李昆仑;孙瑞刚;王珺-.深层2D反卷积神经网络的序列推荐算法)[J].小型微型计算机系统,2022(11):2328-2335
A类:
反卷积神经网络
B类:
2D,序列推荐,推荐算法,法体系,统序,用户行为序列,链式结构,结构约束,突发性,推荐效果,成对编码,码放,放松,单链,提取序列,序列信息,多层神经网络,相加,用用,丢弃,避免出现,过拟合,训练过程,损失函数,权重系数,络损,最小值,MovieLens,Gowalla,高神,处理能力,推荐系统
AB值:
0.347298
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。