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 24 条结果
- 基于融合特征的LSTM评分预测CSTPCD摘要：隐语义模型(LFM)能够有效地提取用户和对象的特征.本文基于LFM所提取的有效特征,提出一种基于融合特征的长短期记忆网络(LSTM)评分预测模型(F-LFM-LSTM).首先,运用LFM模型提取用户和对象的有效特征.然后,融合用户的职业、年龄、性别标签和对象类别标签等辅助信息.最后,运用LSTM网络训练得到预测评分.通过在Mov-ieLens100k数据集上实验表明,相比于几种得到较为广泛研究的算法,F-LFM-LSTM模型能够取得更好的评分预测效果.
- 一种基于用户交易行为的隐语义模型推荐算法
- 综合隐语义模型和信任关系网络的个性化推荐
- 基于时间效应与隐语义模型的高校图书馆的个性化推荐研究北大核心CSTPCD
- 融合邻域模型与隐语义模型的推荐算法CSCDCSTPCD
- 基于协同过滤和隐语义模型的混合推荐算法CSTPCD
- 基于谱聚类和LFM的选课推荐算法设计摘要：高校教务系统中学生数量和课程种类的飞速增长,使得传统推荐算法难以处理海量、高维的选课数据,为进一步提升大学生的选课效率,文章提出一种改进的LFM隐语义模型推荐算法,首先构造选课评分数据的相似矩阵,通过谱聚类进行初始分类,然后分类别构建LFM模型并计算合理的推荐算法.通过在某高校的选课数据集上的对比实验,证明了本文算法具有较高的预测精度和较低的空间复杂度.
- 隐式反馈场景下的LFM-XGB-LR融合推荐算法北大核心CSCDCSTPCD
- 融合用户属性的隐语义模型推荐算法北大核心CSCDCSTPCD
- 一种电影推荐模型:解决冷启动问题CSTPCD摘要：推荐系统数据库的评分数据稀少,对电影推荐的质量有所限制.为解决这个问题,提出一种同时将用户和电影元数据纳入改进的隐语义模型的模型.构造用户元数据-分类矩阵与电影元数据-分类矩阵,将分类域与隐因子空间进行映射,以此获取新用户与新电影的隐因子,进行推荐.实验结果表明,这种模型在提高预测准确率的同时,有效地解决了冷启动问题.