【摘 要】
：
矩阵分解算法广泛应用于推荐系统。然而,其性能往往受到数据稀疏性和数据高维度的影响,且较少考虑项目的内容信息。针对上述问题,提出一种联合二部网络表示学习的矩阵分解推
【机 构】
：
安徽大学计算机科学与技术学院,安徽大学物质科学与信息技术研究院,深圳易伙科技有限责任公司
【基金项目】
：
深圳市创客专项资金计划资助项目(CKCY20180322093215776),安徽省高校自然科学研究重点资助项目(KJ2019A0037),安徽大学博士科研启动资助项目(Y040418194)
论文部分内容阅读
矩阵分解算法广泛应用于推荐系统。然而,其性能往往受到数据稀疏性和数据高维度的影响,且较少考虑项目的内容信息。针对上述问题,提出一种联合二部网络表示学习的矩阵分解推荐算法(BiNRMF)。首先,利用评分信息和项目的标签信息构建两个二部网络;然后,通过二部网络的表示学习算法得到用户和项目的低维向量表示,用以计算用户之间和项目之间的相似性;最后,改进传统矩阵分解模型,融入低维向量空间中用户的相似关系和项目的相似关系。在GoodBooks和MovieLens数据集上的实验结果表明,与经典的推荐算法相比,联合二部网
其他文献
针对基于闪烁屏-CCD（电荷耦合元件）相机的氘离子束横向强度分布测量系统,利用ANSYS软件模拟计算了在直流及脉冲模式下,能量100keV、束斑直径3mm氘离子轰击造成的Al2O3,SiO2以及
目的：分析湖北省某市2007年新型农村合作医疗以地市级为统筹层次的运行情况，为新型农村合作医疗的可持续发展提供参考意见。方法：运用整群随机抽样方法，对该市新型农村合作医疗管
在林业生产的过程中,采用正确、合理的造林技术和抚育技术,能够提高造林成活率,确保林木健康生长,并在短时间内构建完善的林分结构。而科学的抚育管理,又能进一步挖掘林业发