基于变分自编码器的评分预测模型OA北大核心CSCD
Rating Prediction Model Based on Variational Auto-Encoder
深度学习模型具有鲁棒性差的局限性,常见的如在图片中增加特定的噪声会影响到图片的分类和预测结果.近期有学者将深度学习引入到推荐系统中,因此在推荐系统中也存在噪声对推荐精度影响的问题.针对深度推荐模型的鲁棒性问题,基于变分自编码器(Variational Auto-Encoder,VAE)提出了新的评分预测模型REVAE(REcommender Variational Auto-Encoder).该模型为了训练模型对噪声干扰的鲁棒性,在传统的VAE上…查看全部>>
陈海;钱付兰;陈洁;赵姝;张燕平
安徽大学 计算机科学与技术学院,合肥 230601安徽大学 计算智能与信号处理教育部重点实验室,合肥 230601安徽大学 计算机科学与技术学院,合肥 230601安徽大学 计算智能与信号处理教育部重点实验室,合肥 230601安徽大学 计算机科学与技术学院,合肥 230601
信息技术与安全科学
深度学习推荐系统变分自编码器(VAE)评分预测
《计算机工程与应用》 2021 (22)
153-159,7
国家自然科学基金青年项目(61702003)安徽省自然科学基金面上项目(1808085MF175)国家自然科学基金面上项目(61673020,61876001).
评论