- 在线时间
- 129 小时
- 最后登录
- 2023-8-30
- 注册时间
- 2020-11-26
- 听众数
- 3
- 收听数
- 0
- 能力
- 0 分
- 体力
- 15882 点
- 威望
- 0 点
- 阅读权限
- 255
- 积分
- 4975
- 相册
- 0
- 日志
- 0
- 记录
- 0
- 帖子
- 420
- 主题
- 394
- 精华
- 0
- 分享
- 0
- 好友
- 0
TA的每日心情 | 衰 2021-3-28 15:16 |
---|
签到天数: 25 天 [LV.4]偶尔看看III
|
一种基于受限波尔兹曼机的推荐算法
0 e! }& C* F& i
- h! V0 Z# T/ d, B2 E/ x* c! ^ 在数据量过于庞大的情况下,RBM 模型所输出的推荐结果会比较宽泛。此外,目前众多的协同过滤算法无法对巨大的数据集进行更好的处理。所以,尝试通过深度学习来对个性化推荐进行加强,指出把受限波尔兹曼机与隐含因子模型相结合的混合推荐方法。首先用 RBM 算法生成候选集,并对候选集的稀疏矩阵进行评分预测,然后使用 LFM 对候选结果进行排序,进而选择最优方案进行推荐。使用大型公开数据集对本文算法进行反复验证,通过测试可以看出,相比较于传统的推荐模型,本文所提阐述的方式能够有效提高评分预测的精准度。
( Y; m u4 j' n" [+ H8 d
$ D/ G- N/ ?1 G1 X) C关键词: 推荐算法; 深度学习; RBM 模型; LFM 模型! l3 f3 }) i% Y8 e, s/ H) {: a* B* Y
5 C/ p9 C: q" }/ G& l6 c. F9 `4 {) A
* Q, s) h$ l m# w% u
* _( H& `& {6 Q# Q9 {% A
|
zan
|