中国学术期刊网络出版总库
  关闭
基于栈式降噪自编码器的协同过滤算法  
   推荐 CAJ下载 PDF下载
【英文篇名】 Stacked denoising autoencoder for collaborative filtering algorithm
【下载频次】 ★★★★★
【作者】 周洋; 陈家琪;
【英文作者】 Zhou Yang; Chen Jiaqi; School of Optical-Electrical & Computer Engineering; University of Shanghai for Science & Technology;
【作者单位】 上海理工大学光电信息与计算机工程学院;
【文献出处】 计算机应用研究 , Application Research of Computers, 编辑部邮箱 2017年 08期  
期刊荣誉:中文核心期刊要目总览  ASPT来源刊  中国期刊方阵  CJFD收录刊
【中文关键词】 推荐系统; 协同过滤; 深度学习; 栈式降噪自编码器;
【英文关键词】 recommender system; collaborative filtering; deep learning; stacked denoising autoencoder(SDAE);
【摘要】 针对协同过滤推荐准确性的现状进行了研究,提出一种基于栈式降噪自编码器的协同过滤算法。栈式降噪自编码器是一种典型的深度学习网络模型,具有强大的特征提取能力。用户对项目的评分作为输入,训练网络,学习出项目的隐含特征编码,用PCA对项目属性降维并计算属性相似性,结合隐性编码计算的相似性作为最终结果,根据最终的项目相似性产生top-N推荐列表。Movie Lens数据集的实验表明,该算法能够有效提升推荐结果的召回率,一定程度上解决了评分矩阵稀疏与项目之间没有共同用户评分就不能计算相似性的问题。
【英文摘要】 This paper proposed a new method called stacked denoising autoencoder based on collaborative filtering after studying the way of improving precision of recommended algorithm. SDAE was a mul-layer deep learning model which could learn significant dependencies from input information. It used ratings given to items by users to learn the latent feature,got results of dimensionality reduction after PCA to calculate attribute similarities. Then it added the grade similarities computed with concealed feature as th...
【基金】 上海市教委科研创新基金资助项目(12zz146)
【更新日期】 2017-08-11
【分类号】 TP391.3
【正文快照】 0引言从海量信息中快速而准确地定位到有效信息是大数据时代的研究热门。搜索引擎需要用户提出明确需求,而推荐系统能够通过分析用户历史数据,挖掘一些潜在的甚至用户自己都未察觉到的需求,进而提供相关信息。近几年来,对于推荐算法的研究一直火热,在众多推荐算法中,协同过滤的

xxx
【读者推荐文章】中国期刊全文数据库
【相似文献】
中国期刊全文数据库
中国优秀硕士学位论文全文数据库
中国博士学位论文全文数据库
中国重要会议论文全文数据库
中国重要报纸全文数据库
中国学术期刊网络出版总库
点击下列相关研究机构和相关文献作者,可以直接查到这些机构和作者被《中国知识资源总库》收录的其它文献,使您全面了解该机构和该作者的研究动态和历史。
【文献分类导航】从导航的最底层可以看到与本文研究领域相同的文献,从上层导航可以浏览更多相关领域的文献。

工业技术
  自动化技术、计算机技术
   计算技术、计算机技术
    计算机的应用
     信息处理(信息加工)
      检索机
  
 
  CNKI系列数据库编辑出版及版权所有:中国学术期刊(光盘版)电子杂志社
中国知网技术服务及网站系统软件版权所有:清华同方知网(北京)技术有限公司
其它数据库版权所有:各数据库编辑出版单位(见各库版权信息)
京ICP证040431号    互联网出版许可证 新出网证(京)字008号