基于深度学习的融合多源异构数据的推荐模型

论文摘要

为了充分利用多源异构数据所提供的信息提高推荐准确度,提出一个基于深度学习的混合推荐模型.该模型融合评分、评论和社交网络数据进行推荐,采用深度学习方法对文本和评分进行特征学习,然后使用社交网络对采样进行约束,从而得到更准确的用户和物品的特征表示.实验结果表明,该方法具有较高的准确度.

论文目录

文章来源

类型: 期刊论文

作者: 冀振燕,宋晓军,皮怀雨,杨春

关键词: 多源异构数据,深度学习,推荐模型,社交网络

来源: 北京邮电大学学报 2019年06期

年度: 2019

分类: 信息科技

专业: 计算机软件及计算机应用,自动化技术

单位: 北京交通大学软件学院

基金: 国家自然科学基金重点项目(S19A200010),国家重点研发计划项目(R19B5200010)

分类号: TP391.3;TP18

DOI: 10.13190/j.jbupt.2019-164

页码: 35-42

总页数: 8

文件大小: 1079K

下载量: 1223

相关论文文献

标签：多源异构数据论文;  深度学习论文;  推荐模型论文;  社交网络论文;