- 年份
- 2020（1）
- 核心收录
- 中国科技论文与引文数据库(CSTPCD)（1）
- 刊名
- 计算机与现代化（1）
- 作者单位
- 南昌航空大学（1）
- 语种
- 汉语（1）
- 关键词
- F-LFM-LSTM模型（1）
- 评分预测（1）
- 隐语义模型（1）
- 作者
- 张尚田（1）
- 邱天（1）
- 陈光（1）
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 1 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.