差分进化神经网络集成的用户偏好模型构建

• 作者: 张大斌 杨凤萍
• 来源期刊: 微型机与应用
• 学科: 工学
• 关键词: 个性化推荐 用户偏好 负相关 神经网络集成 差分进化
• 年，卷（期）: 2016,（8）
• 所属期刊栏目: 人工智能
• 页码范围: 44-47
• 页数: 4页
• 分类号: TP39
• 字数: 3820字
• 语种: 中文

摘要

用户偏好模型的构建是推荐成功与否的基础.通过产品特征属性与用户特征属性的映射,建立用户偏好模型,引入神经网络集成的机器学习方法来模拟偏好模型.为了提高用户偏好模型的泛化能力,提出用负相关学习算法并行训练成员神经网络,采用差分进化算法对成员网络进行优化,从而有效降低网络集成的泛化误差,提高模型精度.通过Movielens数据仿真,并与单个BP神经网络、GASEN、核密度神经网络集成等模型实验结果进行对比分析,其均方差明显减少,验证了差分进化神经网络集成的用户偏好模型具有较好的泛化能力,能客观反映用户偏好,从而取得更好的推荐效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张大斌	华中师范大学信息管理学院	47	853	15.0	28.0
5	杨凤萍	华中师范大学信息管理学院	1	8	1.0	1.0