融合RBF的二值神经网络推荐模型

• 作者: 左喻灏 李孟娟 李晓武 游进国 贾连印 雷妍
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 推荐 二值化神经网络 深度学习 径向基核函数
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 应用技术与研究
• 页码范围: 76-80
• 页数: 5页
• 分类号: TP3
• 字数: 4143字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2019.03.015

摘要

随着网络通信技术的快速发展和互联网信息资源的大规模扩张,信息过载问题日益严重,传统的信息服务使得这一问题得到缓解.但对具有海量条目的信息,用户要根据自己的喜欢找到想要的目标并不容易.为了解决该问题,提出一种融合径向基函数(RBF)的二值化卷积神经网络的推荐模型.该模型建立在卷积神经网络的基础上将输入数据预处理为0或l,极大节省数据存储空间并提高推荐效率.利用RBF建立可信任的亲属网络,根据亲属网络中的相似用户筛选出有用信息并进行分析做出相应推荐.针对电影推荐进行实验,实验结果表明该方法是有效可行的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	游进国	昆明理工大学信息工程与自动化学院	18	37	4.0	4.0
2	贾连印	昆明理工大学信息工程与自动化学院	11	15	3.0	3.0
3	左喻灏	昆明理工大学信息工程与自动化学院	2	5	1.0	2.0
4	李晓武	昆明理工大学信息工程与自动化学院	7	15	3.0	3.0
5	雷妍	昆明理工大学信息工程与自动化学院	1	4	1.0	1.0