作者:
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:
为了提高推送系统的可扩展性和推送精度,结合深度神经网络技术,探讨智能推送系统的设计和实现.设计基于二次多项式回归模型的特征表示方法,通过对传统矩阵分解算法进行改进,可以更准确地获得潜在特征.将这些潜在特征视为深度神经网络模型的输入数据,采用深度神经网络用于预测评分.通过在真实数据集上与其他推送算法进行比较,验证了本系统的有效性.
推荐文章
基于神经网络的智能决策支持系统研究
智能决策支持系统
对向传播神经网络
BAM神经网络
基于PID神经网络的智能车追逐控制系统研究
PID神经网络
智能车
双车追逐
速度控制
基于RBF神经网络的混合气体智能检测系统研究
智能系统
交叉灵敏度
传感器阵列
RBF神经网络
基于模糊神经网络火灾报警系统研究
火灾探测技术
人工神经网络
模糊系统
ARM
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 基于深度神经网络的智能推送系统研究
来源期刊 佳木斯大学学报(自然科学版) 学科
关键词 人工智能 深度神经网络 推送系统
年,卷(期) 2021,(2) 所属期刊栏目 科研与实践探索
研究方向 页码范围 142-145
页数 4页 分类号 TP391
字数 语种 中文
DOI 10.3969/j.issn.1008-1402.2021.02.037
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (3)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
2021(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
人工智能
深度神经网络
推送系统
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
佳木斯大学学报(自然科学版)
双月刊
1008-1402
23-1434/T
大16开
黑龙江省佳木斯市学府街148号
14-176
1983
chi
出版文献量(篇)
5218
总下载数(次)
9
总被引数(次)
12928
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导