检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于矩阵乘积算符表示的序列化推荐模型

山东大学学报(理学版) 2024年第7期 44-52+104页

作者：刘沛羽姚博文高泽峰赵鑫中国人民大学高瓴人工智能学院中国人民大学物理系

推荐系统中的序列化推荐任务面临着高度复杂和多样性大的挑战，基于序列化数据的商品表示学习中广泛采用预训练和微调的方法，现有方法通常忽略了在新领域中模型微调可能会遇到的欠拟合和过拟合问题。为了应对这一问题，构建一种基于矩... 详细信息

推荐系统中的序列化推荐任务面临着高度复杂和多样性大的挑战，基于序列化数据的商品表示学习中广泛采用预训练和微调的方法，现有方法通常忽略了在新领域中模型微调可能会遇到的欠拟合和过拟合问题。为了应对这一问题，构建一种基于矩阵乘积算符(matrix product operator, MPO)表示的神经网络结构，并实现2种灵活的微调策略。首先，通过仅更新部分参数的轻量化微调策略，有效地缓解微调过程中的过拟合问题；其次，通过增加可微调参数的过参数化微调策略，有力地应对微调中的欠拟合问题。经过实验验证，该方法在现有开源数据集上均实现显著的性能提升，充分展示在实现通用的物品表示问题上的有效性。

关键词：推荐模型序列化数据矩阵乘积算符过拟合欠拟合

RM-RT^(2)NI:融合评论时效与可信近邻影响力的推荐模型

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机科学 2024年第S1期51卷 700-706页

作者：韩志耕周婷陈耿付纯硕陈健南京审计大学计算机学院/智能审计学院南京211815 江苏省审计信息工程与技术协同创新中心南京211815 南京审计大学会计学院南京211815

基于矩阵分解的推荐模型虽然能够处理高维评分数据,但容易遭受评分数据稀疏性的困扰。基于评分和评论的推荐模型通过外加隐藏在评论中的用户偏好与物品属性信息,缓解了评分数据的稀疏性,但在特征提取时大多没有关注评论时效性和可信近... 详细信息

基于矩阵分解的推荐模型虽然能够处理高维评分数据,但容易遭受评分数据稀疏性的困扰。基于评分和评论的推荐模型通过外加隐藏在评论中的用户偏好与物品属性信息,缓解了评分数据的稀疏性,但在特征提取时大多没有关注评论时效性和可信近邻影响力,无法获得更丰富的用户和物品特征。为进一步提高推荐精度,提出了融合评论时效与可信近邻影响力的推荐模型RM-RT^(2)NI。基于评分矩阵,该模型使用矩阵分解提取了用户偏好和物品属性的浅层特征,利用云模型和修正的用户相似度评估模型和新构建的信度评估模型提取出可信近邻影响力;基于评论文本,该模型利用BERT模型获得每条评论的隐表达,利用双向GRU提取评论间的联系,利用新构建的融合时间因子的注意力机制识别各评论的时效贡献度,以获取用户和物品的深层特征。在此基础上,将用户浅层特征、深层特征以及可信近邻影响力特征融合成用户特征,将物品浅层特征和深层特征融合成物品特征,并将它们输入全连接神经网络以预测用户-物品评分。在5组公开数据集上对RM-RM-RT^(2)NI的推荐性能进行了实验评估,结果显示,与7个基线模型相比,RM-RT^(2)NI具有更高的评分预测精度,且RMSE平均降低了3.0657%。

关键词：推荐模型评分矩阵评论文本评论时效可信近邻影响力多特征融合

数据融合视域下虚拟知识社区知识推荐模型构建

在线全文

学校读者我要写书评

暂无评论

图书馆工作与研究 2024年第2期 34-43页

作者：郭小光北京科技大学天津学院图书馆

文章采用扎根理论方法分析虚拟知识社区用户需求，构建虚拟知识社区用户知识需求框架，在此基础上提出虚拟知识社区数据融合方法，进而构建基于数据融合的虚拟知识社区知识推荐模型，并从用户画像、情感感知、社交网络3个角度提出虚拟... 详细信息

文章采用扎根理论方法分析虚拟知识社区用户需求，构建虚拟知识社区用户知识需求框架，在此基础上提出虚拟知识社区数据融合方法，进而构建基于数据融合的虚拟知识社区知识推荐模型，并从用户画像、情感感知、社交网络3个角度提出虚拟知识社区知识推荐优化路径。

关键词：虚拟知识社区知识推荐推荐模型数据融合开放科学

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于多特征的深度神经网络混合推荐模型研究

电脑编程技巧与维护 2024年第6期 124-127页

作者：秦育华江苏建筑职业技术学院江苏徐州221116

近年来,深度学习广泛应用于推荐系统领域,并受到了极大的欢迎。然而,将混合推荐与深度学习技术相结合的研究还处于起步阶段。将深度学习技术应用于混合推荐,设计了一个基于多特征的深度神经网络混合推荐模型(MFDH),通过将深度学习技术... 详细信息

近年来,深度学习广泛应用于推荐系统领域,并受到了极大的欢迎。然而,将混合推荐与深度学习技术相结合的研究还处于起步阶段。将深度学习技术应用于混合推荐,设计了一个基于多特征的深度神经网络混合推荐模型(MFDH),通过将深度学习技术和多层感知机技术相结合,从多角度自动学习用户和项目之间的交互,更全面地反映出用户的偏好。在两个不同的公开数据集上进行了实验,结果证明,该模型相比基线模型有较高的推荐质量。

关键词：多特征深度神经网络推荐模型

英语单词学习推荐模型在教学改革中的应用研究

在线全文

学校读者我要写书评

暂无评论

计算机应用文摘 2024年第8期40卷 5-7页

作者：胡二娟刘小强三门峡职业技术学院师范学院河南三门峡472000 三门峡职业技术学院信息传媒学院河南三门峡472000

在人工智能技术的背景下,文章主要探讨了英语单词学习的推荐方法。其中,建立了1个基于人工智能的英语单词学习推荐模型,该模型利用用户的学习行为数据和单词特征进行训练,旨在为用户提供个性化的单词推荐。实验验证结果显示,相较于传统... 详细信息

在人工智能技术的背景下,文章主要探讨了英语单词学习的推荐方法。其中,建立了1个基于人工智能的英语单词学习推荐模型,该模型利用用户的学习行为数据和单词特征进行训练,旨在为用户提供个性化的单词推荐。实验验证结果显示,相较于传统方法,该模型具有更高的准确性和可靠性,能够有效提升英语单词学习的效果。

关键词：人工智能英语单词推荐模型模型构建

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

融入情感分析的多层交互深度推荐模型研究

数据分析与知识发现 2023年第3期7卷 43-57页

作者：李浩君吕韵汪旭辉黄诘雅浙江工业大学教育科学与技术学院杭州310023

【目的】针对传统推荐方法中仅依赖单一的用户评分来推断用户偏好,忽略情感态度对用户行为影响的问题,提出一种融入情感分析的多层交互深度推荐模型。【方法】利用BRET词向量表征评论文本,双向循环神经网络量化评论中的情感信息,根据情... 详细信息

【目的】针对传统推荐方法中仅依赖单一的用户评分来推断用户偏好,忽略情感态度对用户行为影响的问题,提出一种融入情感分析的多层交互深度推荐模型。【方法】利用BRET词向量表征评论文本,双向循环神经网络量化评论中的情感信息,根据情感分值更新评分矩阵,映射出用户与资源的浅层特征;结合卷积神经网络和自注意力机制从评论文本中捕获用户与资源的深层特征;融合浅层与深层特征,采用多层神经网络建模用户与资源间的非线性交互,预测资源推荐的评分值。【结果】在Amazon Product Data数据集上的实验结果表明,与其他基线模型对比,本文模型的MAE和RMSE指标最多下降7.93和9.73个百分点。【局限】未考虑用户情感的时间动态性,且忽略了情感分析方法的领域自适应性。【结论】融入情感分析的推荐模型能更准确地反映用户真实兴趣偏好,对比现有相似模型,本文所提模型能有效提升推荐质量。

关键词：情感分析特征挖掘神经网络多层交互推荐模型

在线全文

学校读者我要写书评

暂无评论

相关性视觉对抗贝叶斯个性化排序推荐模型

工程科学与技术 2022年第3期54卷 230-238页

作者：李广丽卓建武许广鑫李传秀吴光庭张红斌华东交通大学信息工程学院江西南昌330013 华东交通大学软件学院江西南昌330013

传统推荐模型存在数据稀疏、鲁棒性较低问题,且未能有效挖掘异构特征间的深层语义。为解决以上问题,提出相关性视觉对抗贝叶斯个性化排序(correlation visual adversarial Bayesian personalized ranking,CVABPR)推荐模型。首先,基于Mov... 详细信息

传统推荐模型存在数据稀疏、鲁棒性较低问题,且未能有效挖掘异构特征间的深层语义。为解决以上问题,提出相关性视觉对抗贝叶斯个性化排序(correlation visual adversarial Bayesian personalized ranking,CVABPR)推荐模型。首先,基于MovieLens数据集中的电影标题,在互联网电影资料库(Internet movie database,IMDB)爬取对应电影海报图像,构建全新多模态数据集MovieLens–100k–WMI和MovieLens–1M–WMI。其次,基于SENet模型提取一组具有互补性的异构特征,准确描述电影海报图像。然后,改进聚类典型相关性分析模型,深入挖掘异构SENet特征间的聚类典型相关性特征;基于该相关性特征优化视觉贝叶斯个性化排序模型,精准刻画待推荐电影。最后,在推荐模型中加入扰动因子,通过对抗学习来增强推荐模型鲁棒性,使推荐更稳定,生成高质量推荐结果。为验证CVABPR模型,在多模态数据集上完成实验,结果表明:CVABPR模型在这两个数据集上都有效,在MovieLens–100k–WMI数据集上,其推荐的平均精度均值(mean average precision,MAP)较最强基线提升3.802%;在MovieLens–1M–WMI数据集上,其推荐的MAP指标较最强基线提升4.609%。CVABPR模型优于主流基线。消融分析实验表明:相比聚类典型相关性,对抗学习在推荐中发挥更重要的作用。此外,在数据稀疏度更高的MovieLens–1M–WMI数据集上,CVABPR模型能获得更大幅度性能提升,数据稀疏问题得到有效缓解且异构特征间的深层语义也得以充分利用,CVABPR模型已具备较强鲁棒性。

关键词：数据稀疏推荐模型贝叶斯个性化排序对抗学习聚类典型相关性

融合评论文本特征和评分图卷积表示的推荐模型

在线全文

学校读者我要写书评

暂无评论

通信学报 2022年第3期43卷 164-171页

作者：冯海林张潇刘同存浙江农林大学数学与计算机科学学院浙江杭州311300

为了充分利用评分的有效信息,并进一步研究评论的重要性,提出了一种融合评论文本特征和评分图卷积表示的推荐模型,利用图卷积编码学习用户和商品在评分上的特征表示,结合文本卷积特征,使用注意力机制来区分评论的重要性,然后通过隐因子... 详细信息

为了充分利用评分的有效信息,并进一步研究评论的重要性,提出了一种融合评论文本特征和评分图卷积表示的推荐模型,利用图卷积编码学习用户和商品在评分上的特征表示,结合文本卷积特征,使用注意力机制来区分评论的重要性,然后通过隐因子模型把在评论和评分上学习到的特征表示融合产生推荐。在亚马逊公开数据集上的实验结果表明,提出的模型显著优于现有的模型,证明了提出的模型的有效性。

关键词：推荐模型图卷积编码注意力机制隐因子模型

PS-Hybrid:面向大规模推荐模型训练的混合通信框架

在线全文

学校读者我要写书评

暂无评论

清华大学学报（自然科学版） 2022年第9期62卷 1417-1425页

作者：苗旭鹏张敏旭邵蓥侠崔斌北京大学信息科学技术学院北京100871 北京邮电大学计算机学院北京100876

传统的分布式深度学习训练系统大多基于参数服务器和全局规约通信框架,缺陷日益显著:参数量大,基于全局规约的去中心化通信架构由于无法存储全量模型而无法使用;通信量大,基于参数服务器的中心化通信架构面临着严重的通信瓶颈。为了解... 详细信息

传统的分布式深度学习训练系统大多基于参数服务器和全局规约通信框架,缺陷日益显著:参数量大,基于全局规约的去中心化通信架构由于无法存储全量模型而无法使用;通信量大,基于参数服务器的中心化通信架构面临着严重的通信瓶颈。为了解决以上问题,该文提出了面向大规模深度学习推荐模型的混合通信训练框架PS-Hybrid,分离了嵌入层参数和其他参数的通信逻辑,实现了PS-Hybrid原型系统。实验结果证明了所提出的混合通信方案能够比纯参数服务器方案取得更好的性能,在16个计算节点下比TensorFlow-PS加速48%。

关键词：推荐模型分布式深度学习参数服务器全局规约