多标签网页的Gauss-PNN粗糙集排序推荐

• 作者: 常致全 李又玲 杨浩
• 来源期刊: 计算机应用研究
• 关键词: 多标签 粗糙集 概率神经网络 高斯理论
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 382-385,421
• 页数: 5页
• 分类号: TP181
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2017.02.014

摘要

为解决传统算法在网页多标签推荐过程中存在的信息不确定和较多结构冗余问题,提出基于高斯PNN粗糙集期望的多标签网页推荐算法.首先,基于粗糙集方法对标准概率数据流神经网络进行改进,提高其数据不确定处理能力;其次,为解决标准概率数据流神经网络数据覆盖性较差,且网络结构具有较大冗余,导致其无法快速识别新增标签的问题,基于附加的高斯块及其新增、组合及移除功能,对概率神经网络进行改进,解决标准PNN模型无法准确表达新增类别数据的问题,并对标签进行排序,实现新增数据的实时性预测;最后,利用所提算法对Yahoo多标签推荐实例进行验证,结果显示所提方法的推荐精度及效率更高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	常致全	四川大学计算机学院	21	195	9.0	13.0
2	李又玲	成都师范学院计算机学院	5	17	2.0	4.0
3	杨浩	四川大学计算机学院	26	142	7.0	11.0