基于全卷积神经网络的多维信任数据协同推荐算法

• 作者: 李晓峰 王妍玮 王建华
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 全卷积神经网络 多维信任数据 协同滤波 推荐算法
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 算法
• 页码范围: 233-238,255
• 页数: 7页
• 分类号: TP391
• 字数: 5177字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2020.08.040

摘要

传统算法对多维信任数据进行推荐时,均衡性较差,导致用户信任度不高,为此,提出一种基于全卷积神经网络的多维信任数据协同推荐算法.构建多维信任数据的存储和服务结构模型,运用该模型提取多维信任数据的关联规则特征量;采用隐含层节点抽取机制,将提取的特征数据输入到卷积神经网络中进行自适应学习,保留重要隐含层中的关键信息;采用协同滤波方法训练隐含层和输出层的连接权值,从而实现多维信任数据协同推荐.实验结果表明,该算法的稀疏学习性能较好,降低了推荐网络模型的复杂性,提高了置信度水平.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王建华	哈尔滨师范大学计算机科学与信息工程学院	92	484	11.0	15.0
2	李晓峰	黑龙江外国语学院信息工程系	20	30	4.0	5.0