基于标签卷积神经网络的文本推荐算法

• 作者: 张谧 马骁烊
• 来源期刊: 计算机系统应用
• 关键词: 推荐系统 基于内容 卷积神经网络 深度学习 标签
• 年，卷（期）: 2018,（8）
• 所属期刊栏目: 软件技术·算法
• 页码范围: 132-137
• 页数: 6页
• 字数: 5547字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.006494

摘要

在面向用户的文章收集系统中,用户会将自己喜欢的文章收集起来构成自己的偏好文章集合,理解用户为何喜欢特定文章、如何精确的找到用户喜欢的文章目前成为了一个重要的研究课题.本文通过基于面向用户的文章收集系统中的一些相关信息,比如文本信息、标签等,来辅助推荐系统更好的进行文章的推荐.文中提出了基于标签卷积神经网络的文本推荐算法,结合神经网络和协同过滤算法的同时,将标签加入到神经网络的设计中.通过在真实的citeulike数据集进行的实验和验证,使用本文的模型可以有效的提高对用户偏好文章预测的准确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张谧	复旦大学计算机科学与技术学院	13	73	5.0	8.0
2	马骁烊	复旦大学计算机科学与技术学院	1	9	1.0	1.0