- 年份
- 2025(1)
- 2022(1)
- 2020(1)
- 2019(1)
- 更多...
- 核心收录
- 中国科技论文与引文数据库(CSTPCD)(3)
- 中国科学引文数据库(CSCD)(2)
- 北京大学中文核心期刊目录(北大核心)(2)
- 刊名
- 应用科技(1)
- 电子科技(1)
- 计算机工程(1)
- 计算机工程与应用(1)
- 更多...
- 作者单位
- 南京航空航天大学(1)
- 哈尔滨工程大学(1)
- 大连民族大学(1)
- 沈阳工业大学(1)
- 更多...
- 语种
- 汉语(4)
- 关键词
- 潜在因子模型(4)
- 推荐算法(2)
- 用户行为(2)
- 矩阵分解(2)
- 信任关系(1)
- 图拉普拉斯正则化(1)
- 基于物品的协同过滤(1)
- 实时推荐(1)
- 小批量梯度下降法(1)
- 带冲量的批量学习算法(1)
- 更多...
- 作者
- 刘志强(1)
- 宁慧(1)
- 宋燕(1)
- 张汝波(1)
- 彭宇(1)
- 徐剑(1)
- 毕猛(1)
- 潘天艺(1)
- 邵中(1)
- 陈晔(1)
- 更多...
相关度
- 相关度
- 发表时间
每页显示10条
- 每页显示10条
- 每页显示20条
- 每页显示30条
已找到 4 条结果
- 基于改进的LFM算法的短视频推荐系统的研究与实现CSTPCD
- 基于信任关系的非线性表征潜在因子模型
- 基于LFM矩阵分解的推荐算法优化研究北大核心CSCDCSTPCD摘要:在推荐系统中,基于矩阵分解的推荐算法是目前的研究热点之一,然而普通矩阵分解算法的推荐精确度偏低,为了改善该问题,以矩阵分解算法中的潜在因子模型(LFM)优化为研究对象,分析LFM中两种基础推荐算法在寻优速率与推荐精度上的不足,然后提出两种改进算法:带冲量的批量学习算法和混合学习算法,最后通过实验数据测试,对比了不同算法的推荐效果,结果证明改进算法的性能更优.
- 一种用于网络用户行为聚类的标签自动生成方法北大核心CSCDCSTPCD