English
| 正體中文 |
简体中文
|
全文筆數/總筆數 : 62830/95882 (66%)
造訪人次 : 4060652 線上人數 : 468
RC Version 7.0 © Powered By DSPACE, MIT. Enhanced by
NTU Library & TKU Library IR team.
搜尋範圍
全部機構典藏
全球發展學院
資訊創新與科技學系
--會議論文
查詢小技巧:
您可在西文檢索詞彙前後加上"雙引號",以獲取較精準的檢索結果
若欲以作者姓名搜尋,建議至進階搜尋限定作者欄位,可獲得較完整資料
進階搜尋
主頁
‧
登入
‧
上傳
‧
說明
‧
關於機構典藏
‧
管理
淡江大學機構典藏
>
全球發展學院
>
資訊創新與科技學系
>
會議論文
>
Item 987654321/118334
資料載入中.....
書目資料匯出
Endnote RIS 格式資料匯出
Bibtex 格式資料匯出
引文資訊
請使用永久網址來引用或連結此文件:
https://tkuir.lib.tku.edu.tw/dspace/handle/987654321/118334
題名:
一種基於演化的新推薦系統
作者:
陳以錚
;
惠霖
;
王英宏
;
朱彥龍
;
翁愷澤
關鍵詞:
深度學習
;
推薦系統
;
矩陣分解
;
長短期記憶
日期:
2019-09-25
上傳時間:
2020-03-19 12:10:58 (UTC+8)
摘要:
由於對用戶興趣的精確預測,矩陣分解(Matrix factorization, MF)技術已被廣泛用於推薦系統中。先前基於 MF 的方法通過從用戶和項目中提取潛在因子來調整總體評級以進行推薦。然而,在實際應用中,人們的偏好通常隨時間而變化;傳統的基於 MF 的方法無法正確捕捉用戶興趣
的變化 。 在本文中,通過將遞歸神經網絡(recurrent neural network, RNN)結合到 MF 中,我們開發了一種新穎的推薦系統 M-RNN-F,以有效地描述用戶隨時間的偏好演變。提出了一種學習模型來捕捉進化模式並預測未來的用戶偏好。
實驗結果顯示,M-RNN-F 的性能優於其他最先進的推薦演算法。此外,我們在現實世界數據集上進行實驗,以證明其實用性。
顯示於類別:
[資訊創新與科技學系] 會議論文
文件中的檔案:
檔案
大小
格式
瀏覽次數
index.html
0Kb
HTML
166
檢視/開啟
在機構典藏中所有的資料項目都受到原著作權保護.
TAIR相關文章
DSpace Software
Copyright © 2002-2004
MIT
&
Hewlett-Packard
/
Enhanced by
NTU Library & TKU Library IR teams.
Copyright ©
-
回饋