基于终身机器学习的主题挖掘与评分预测联合模型

• 作者: 刘一宁 申彦明
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 文本主题模型 推荐算法 终身机器学习 评分预测 协同过滤
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 237-241,248
• 页数: 6页
• 分类号: TP391
• 字数: 5716字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0051131

摘要

为充分利用历史知识,提高评分预测精度,基于终身机器学习(LML)机制提出一种同时挖掘用户评分和评论的推荐模型.在执行任务时积累知识并用于后续任务的训练,提高评分预测精度.在真实数据集上的实验结果表明,与无LML能力的模型相比,该模型预测评分的均方误差降低5.4‰,且随着知识的积累,误差不断降低,提高了主题词语分类的精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘一宁	大连理工大学电子信息与电气工程学部	1	0	0.0	0.0
2	申彦明	大连理工大学电子信息与电气工程学部	4	7	1.0	2.0