典型文献
基于一维卷积混合神经网络的用户兴趣分类
文献摘要：
个性化推荐系统的关键是挖掘用户的情感偏好,而网络中大量的用户浏览行为记录为此提供了线索.传统描述兴趣度采用的方法是选择典型的浏览行为构造多元线性回归模型,然而浏览行为之间相互联系,容易导致共线性问题.为了提高挖掘用户兴趣的准确度,引入卷积神经网络(CNN)和胶囊网络(CapsNet),提出一种混合神经网络预测模型.首先,在卷积神经网络中对多种浏览行为使用一维卷积和最大池化操作提取局部特征;其次,在胶囊网络中将卷积网络输出的特征向量作为胶囊层的输入,使用动态路由算法对行为特征进行整体特征提取;最后,使用softmax分类器进行兴趣预测分类.实验结果表明,该模型在训练集的准确率高达95.8％,同时在测试集上的准确率都优于CNN和CapsNet,且该模型在训练过程中交叉熵损失明显低于CNN和CapsNet.采用该方法可以利用多种浏览行为准确挖掘用户的兴趣,提高了推荐系统的服务质量.
文献关键词：
用户兴趣分类;混合神经网络;推荐系统;预测模型;特征提取;池化操作
中图分类号：
作者姓名：
王巍;洪惠君;刘阳;梁雅静
作者机构：
河北工程大学 信息与电气工程学院,河北 邯郸 056038;河北省安防信息感知与处理重点实验室,河北 邯郸 056038
文献出处：
引用格式：
[1]王巍;洪惠君;刘阳;梁雅静-.基于一维卷积混合神经网络的用户兴趣分类)[J].现代电子技术,2022(07):58-64
A类：
用户兴趣分类
B类：
一维卷积,卷积混合,混合神经网络,个性化推荐系统,情感偏好,浏览行为,兴趣度,行为构造,多元线性回归模型,相互联系,共线性,胶囊网络,CapsNet,神经网络预测模型,最大池化,池化操作,局部特征,卷积网络,特征向量,动态路由算法,行为特征,整体特征,softmax,分类器,预测分类,训练集,测试集,训练过程,交叉熵损失,失明
AB值：
0.314424
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。
