基于改进CNN-SRBM文本分类的评分预测推荐研究

• 作者: 史明哲 吴国栋 孙成 张倩 陶鸿
• 来源期刊: 洛阳理工学院学报（自然科学版）
• 学科: 工学
• 关键词: 卷积神经网络 受限玻尔兹曼机 文本分类 评分预测 推荐系统
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 计算机与数理
• 页码范围: 58-64,90
• 页数: 8页
• 分类号: TP39
• 字数: 4037字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-5043.2018.04.011

摘要

针对海量评论文本的情感数据复杂性、 个性化推荐领域的数据稀疏性以及冷启动问题进行研究,提出了基于改进CNN-SRBM(Convolutional Neural Network-Similarity Restricted Boltzmann Machine)文本分类的评分预测推荐研究.叙述了传统CNN文本分类以及传统RBM评分预测模型;引入改进的CNN-3C、CNN-4C文本分类模型以及改进的SRBM评分预测模型;最后,融和改进的CNN-3C模型和SRBM模型,使推荐准确率达到了95.77％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴国栋	安徽农业大学信息与计算机学院	42	121	6.0	9.0
2	陶鸿	安徽农业大学信息与计算机学院	31	234	10.0	14.0
3	张倩	安徽农业大学信息与计算机学院	5	31	4.0	5.0
4	孙成	安徽农业大学信息与计算机学院	4	2	1.0	1.0
5	史明哲	安徽农业大学信息与计算机学院	3	5	1.0	2.0