物聯(lián)網(wǎng)最新文章

基于深度神經(jīng)網(wǎng)絡(luò)的個(gè)性化推薦系統(tǒng)研究

深度神經(jīng)網(wǎng)絡(luò)由于結(jié)構(gòu)類(lèi)似于生物神經(jīng)網(wǎng)絡(luò),因此擁有高效、精準(zhǔn)抽取信息深層隱含特征的能力和能夠?qū)W習(xí)多層的抽象特征表示,且能夠?qū)缬?、多源、異質(zhì)的內(nèi)容信息進(jìn)行學(xué)習(xí)等優(yōu)勢(shì)。提出了一種基于多用戶-項(xiàng)目結(jié)合深度神經(jīng)網(wǎng)絡(luò)抽取特征、自學(xué)習(xí)等優(yōu)勢(shì)實(shí)現(xiàn)信息個(gè)性化推薦的模型,該模型通過(guò)對(duì)輸入多源異構(gòu)數(shù)據(jù)特征進(jìn)行深度神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)、抽取,再融合協(xié)同過(guò)濾中的廣泛個(gè)性化產(chǎn)生候選集,然后通過(guò)二次模型學(xué)習(xí)產(chǎn)生排序集,實(shí)現(xiàn)精準(zhǔn)、實(shí)時(shí)、個(gè)性化推薦。通過(guò)真實(shí)數(shù)據(jù)集對(duì)模型評(píng)估實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明,該模型能夠很好地學(xué)習(xí)、抽取用戶隱特征,并且能夠一定程度上解決傳統(tǒng)推薦系統(tǒng)稀疏性、新物品等問(wèn)題,同時(shí)實(shí)現(xiàn)了更加精準(zhǔn)、實(shí)時(shí)、個(gè)性化的推薦。

發(fā)表于:1/11/2019