基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
传统协同过滤算法仅利用评分信息进行推荐,而没有利用到更多用户特征与电影特征,推荐效果不佳.深度学习的普通应用,为特征提取打下了良好基础.通过爬取网站上的电影演员信息表,使用卷积神经网络对文本信息进行特征提取,采用结合注意力机制与场感知因子分解机的混合推荐方法,并使用用户—电影特征矩阵进行训练.在公开数据集MovieLens上进行实验测试,RMSE达到0.850,与5组推荐模型进行对比,RMSE分别提升了18.0%、11.3%、7.60%、25.7%、6.80%.实验结果表明,该模型可以提高推荐效率.
推荐文章
基于双层注意力机制的深度学习电影推荐系统
双层注意力机制
深度学习
推荐系统
电影推荐
融合注意力机制的深度协同过滤推荐算法
深度学习
神经网络
隐性反馈
注意力机制
协同过滤
基于注意力机制与评论文本深度模型的推荐方法
推荐系统
特征提取
注意力机制
卷积神经网络
因子分解机
基于注意力机制的深度学习态势信息推荐模型
注意力机制
深度学习
推荐系统
态势信息推荐
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 融合注意力机制与场感知因子分解机的电影推荐
来源期刊 软件导刊 学科 工学
关键词 推荐系统 注意力机制 场感知因子分解机 卷积神经网络
年,卷(期) 2020,(6) 所属期刊栏目 人工智能
研究方向 页码范围 19-22
页数 4页 分类号 TP301
字数 3821字 语种 中文
DOI 10.11907/rjdk.192143
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 苟刚 贵州大学计算机科学与技术学院 11 16 2.0 3.0
2 黄德柒 贵州大学计算机科学与技术学院 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (55)
共引文献  (98)
参考文献  (15)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
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)
1997(5)
  • 参考文献(0)
  • 二级参考文献(5)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(4)
  • 参考文献(0)
  • 二级参考文献(4)
2010(4)
  • 参考文献(0)
  • 二级参考文献(4)
2011(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(5)
  • 参考文献(0)
  • 二级参考文献(5)
2013(4)
  • 参考文献(1)
  • 二级参考文献(3)
2014(3)
  • 参考文献(0)
  • 二级参考文献(3)
2015(2)
  • 参考文献(0)
  • 二级参考文献(2)
2016(12)
  • 参考文献(2)
  • 二级参考文献(10)
2017(11)
  • 参考文献(4)
  • 二级参考文献(7)
2018(5)
  • 参考文献(5)
  • 二级参考文献(0)
2019(3)
  • 参考文献(3)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
推荐系统
注意力机制
场感知因子分解机
卷积神经网络
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
软件导刊
月刊
1672-7800
42-1671/TP
16开
湖北省武汉市
38-431
2002
chi
出版文献量(篇)
9809
总下载数(次)
57
总被引数(次)
30383
论文1v1指导