基于深度信念网与隐变量模型的用户偏好建模

• 作者: 吴鑫然 岳昆 潘良辰
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 贝叶斯网 用户偏好 评分数据 隐变量模型 深度信念网
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 人工智能与模式识别
• 页码范围: 54-62
• 页数: 9页
• 分类号: TP393
• 字数: 7155字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0054183

摘要

从高维、稀疏的用户评分数据中构建用户偏好模型,存在迭代计算复杂度高、中间结果规模大和难以实现有效推理等问题.为此,提出一种基于深度信念网(DBN)和贝叶斯网(BN)的用户偏好建模方法.采用DBN对评分数据进行分类,用隐变量表示不能直接观测到的用户偏好,利用含隐变量的BN描述评分数据中蕴含的相关属性间的依赖关系及其不确定性.在MovieLens和大众点评数据集上的实验结果表明,该方法能够有效描述评分数据中与用户偏好相关的各属性间的依赖关系,其精确率和执行效率均高于隐变量模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	岳昆	云南大学信息学院	77	317	10.0	13.0
2	潘良辰	云南大学信息学院	1	0	0.0	0.0
3	吴鑫然	云南大学信息学院	1	0	0.0	0.0