论文部分内容阅读
用户偏好模型的构建是推荐成功与否的基础。通过产品特征属性与用户特征属性的映射,建立用户偏好模型,引入神经网络集成的机器学习方法来模拟偏好模型。为了提高用户偏好模型的泛化能力,提出用负相关学习算法并行训练成员神经网络,采用差分进化算法对成员网络进行优化,从而有效降低网络集成的泛化误差,提高模型精度。通过Movielens数据仿真,并与单个BP神经网络、GASEN、核密度神经网络集成等模型实验结果进行对比分析,其均方差明显减少,验证了差分进化神经网络集成的用户偏好模型具有较好的泛化能力,能客观反映用户偏