文献

J-GLOBAL ID：202002220511903645   整理番号：20A1582170

ハイブリッドニューラルネットワークに基づく協調フィルタリング推薦モデル【JST・京大機械翻訳】

Collaborative Filtering Recommendation Model Based on Hybrid Neural Network

著者 (3件)： Ma Xin (貴州大学計算机科学与技術学院,貴陽,550025) ,  Wu Yun (貴州大学計算机科学与技術学院,貴陽,550025) ,  Lu Zeguang (中科国鼎数据科学研究院,北京,100089)
資料名： Yingyong Kexue Xuebao  (Yingyong Kexue Xuebao)
巻： 38  号： 3  ページ： 478-487  発行年： 2020年 
JST資料番号： C2471A  ISSN： 0255-8297  CODEN： YKXUD4  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： データスパース性は推薦システムにおける推薦結果の正確性に影響する重要な要素の一つである。データスパース性のために,融合畳込みニューラルネットワーク(CNN)と雑音除去自己符号化(denoisingauto-encoder)を提案した。DAE)ニューラルネットワーク混合のニューラルネットワークスコア予測モデル(convolutional-denosingauto-encoder,CDAE)はユーザーの未採点項目に対して予測採点を行い、それによってデータのスパース性問題を解決している。まず第一に,ベクトル化後の利用者評価データを畳込みニューラルネットワークによって訓練し,次に,ユーザ固有ベクトル行列を,ノイズ除去自己符号化ニューラルネットワークの初期重みとして,そして,ユーザ-プロジェクト予測スコアを,ノイズ除去自己コード化ニューラルネットワークによって訓練し,そして,ユーザ-プロジェクト予測スコアを得た。次に,ユーザに基づく協力的フィルタリング推薦を提案した。最後に、movielens-1M実験データセットを用いて、提案したハイブリッドニューラルネットワーク協調フィルタリング推薦(convolutional-denosingauto-encodercollaborativefiltering)を検証した。CDAECFモデル。実験により,提案したCDAECFモデルは,隠れフィードバックおよび優性フィードバックデータを効果的に結合することができ,そしてそれは,高い推奨精度を持った。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *ニューラルネットワーク ,  *フィルタリング ,  優性 ,  雑音低減 ,  固有ベクトル ,  雑音除去 ,  予測モデル
準シソーラス用語： *協調フィルタリング ,  スパース性 ,  ベクトル化 ,  推奨システム ,  正確性 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (4件)： ニューラルネットワーク ,  協調フィルタリング ,  推薦 ,  モデル