典型文献
考虑多层次潜在特征的个性化推荐模型
文献摘要：
个性化推荐已成为解决信息过载的最有效手段之一,也是海量数据挖掘研究领域的热点技术.然而传统推荐算法往往只使用用户对物品的评分信息,而缺少对用户与物品潜在特征的综合考虑.基于因子分解机、宽神经网络、交叉网络和深度神经网络的融合,提出一种新的考虑多层次潜在特征的模型,可以提取用户与物品的浅层潜在特征、低阶非线性潜在特征、线性交叉潜在特征以及高阶非线性潜在特征.在4个常用的数据集上的实验结果表明,考虑用户与物品多层次潜在特征可以有效提高个性化推荐的预测精度.最后,研究了嵌入层维度以及神经元数量等因素对新模型预测性能的影响.
文献关键词：
个性化推荐;层次化潜在特征;深度学习
中图分类号：
作者姓名：
申情;郭文宾;楼俊钢;余强国
作者机构：
湖州师范学院信息工程学院,浙江 湖州 313000;湖州学院理工学院,浙江 湖州 313000;浙江省现代农业资源智慧管理与应用研究重点实验室,浙江 湖州 313000
文献出处：
引用格式：
[1]申情;郭文宾;楼俊钢;余强国-.考虑多层次潜在特征的个性化推荐模型)[J].电信科学,2022(02):71-83
A类：
层次化潜在特征
B类：
个性化推荐,推荐模型,信息过载,海量数据挖掘,热点技术,推荐算法,用用,分信,因子分解机,交叉网络,深度神经网络,取用,低阶,性交,高个,嵌入层,预测性能
AB值：
0.283523
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。
