原文服务方: 计算机应用研究       
摘要:
针对传统推荐算法在推荐过程中存在忽略用户偏好、用户恶意虚假信息和时间序列等问题,引入用户兴趣模型,结合用户可疑度与时间效应计算更新用户相似度,经过深度学习网络得到最佳推荐目标.为避免出现数据过拟合情况,在利用贪心思想训练用户数据时,给隐含层和可见层均加上了用户偏好,一定程度上提高了深度学习网络的自学习能力.将改进的算法与传统协同过滤推荐算法在MovieLens数据集上作推荐对比实验,实验结果证明,相对于传统的推荐算法,改进的推荐算法可以大大提高项目推荐的精确度.
推荐文章
基于语义和用户偏好的网络电视直播推荐方法
网络电视直播
实时推荐
用户偏好
语义相似度
基于用户潜在时效偏好的推荐算法
推荐系统
时效偏好
概率主题模型
隐马尔可夫模型
基于置信用户偏好模型的电视推荐系统
置信用户
电视推荐系统
节目特征向量空间
用户偏好
基于用户偏好优化模型的推荐算法研究
推荐算法
Slope One
用户偏好
评分预测
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于用户偏好和可疑度的推荐方法研究
来源期刊 计算机应用研究 学科
关键词 用户偏好 可疑度 时间效应 深度学习
年,卷(期) 2018,(12) 所属期刊栏目 算法研究探讨
研究方向 页码范围 3632-3634
页数 3页 分类号 TP181
字数 语种 中文
DOI 10.3969/j.issn.1001-3695.2018.12.024
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 吴彦文 华中师范大学物理科学与技术学院 67 325 11.0 14.0
2 刘闯 华中师范大学物理科学与技术学院 3 9 2.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (62)
共引文献  (311)
参考文献  (10)
节点文献
引证文献  (3)
同被引文献  (11)
二级引证文献  (3)
1977(1)
  • 参考文献(0)
  • 二级参考文献(1)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(4)
  • 参考文献(0)
  • 二级参考文献(4)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(2)
  • 参考文献(1)
  • 二级参考文献(1)
2007(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(3)
  • 参考文献(1)
  • 二级参考文献(2)
2010(4)
  • 参考文献(1)
  • 二级参考文献(3)
2011(3)
  • 参考文献(0)
  • 二级参考文献(3)
2012(9)
  • 参考文献(0)
  • 二级参考文献(9)
2013(3)
  • 参考文献(1)
  • 二级参考文献(2)
2014(3)
  • 参考文献(1)
  • 二级参考文献(2)
2015(6)
  • 参考文献(1)
  • 二级参考文献(5)
2016(12)
  • 参考文献(0)
  • 二级参考文献(12)
2017(6)
  • 参考文献(1)
  • 二级参考文献(5)
2018(3)
  • 参考文献(3)
  • 二级参考文献(0)
2018(5)
  • 参考文献(3)
  • 二级参考文献(0)
  • 引证文献(2)
  • 二级引证文献(0)
2018(2)
  • 引证文献(2)
  • 二级引证文献(0)
2019(4)
  • 引证文献(1)
  • 二级引证文献(3)
研究主题发展历程
节点文献
用户偏好
可疑度
时间效应
深度学习
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机应用研究
月刊
1001-3695
51-1196/TP
大16开
1984-01-01
chi
出版文献量(篇)
21004
总下载数(次)
0
论文1v1指导