共被期刊论文引用了2次
您的检索式：您选中1篇文献正在查看引证文献汇总
|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 一种融合网络表示学习与XGBoost的评分预测模型显示文摘【目的】基于丰富的元数据和评分数据,提出一种融合网络表示学习与XGBoost的评分预测模型——N2V_XGB。【方法】提取并融合元数据和评分数据的相似性权重,构建同质关系网络;利用网络表示学习自动提取用户和项目特征,再将提取的特征作为XGBoost的输入,迭代训练获得最佳的评分预测模型。【结果】实验表明,N2V_XGB模型的MAE和RMSE分别为0.6867、0.8737,低于4种主要的对比模型。【局限】N2V_XGB模型未能很好地利用时间特征信息,评分结果没有反映时序变化。【结论】N2V_XGB模型将网络表示学习与XGBoost算法进行有效融合,能够缓解数据稀疏,提高用户评分的预测精度。 | 丁勇 陈夕 蒋翠清 王钊 | 2020 | 数据分析与知识发现2020，4，11： | 7 |
| 2 | 基于异构网络表示学习的评分预测模型显示文摘深入分析电商行业的用户个性化数据并提供推荐服务近年来已成为业界的热点。推荐服务的基础是对用户的潜在兴趣进行挖掘,并对商品的感兴趣程度进行预测。因此,以此为背景,研究用户对商品的评分预测。对电商业的关系型数据在推荐系统中的应用进行了研究,提出了通过使用网络表示学习进行评分预测的方法。首先,将关系型数据构建成异构网络,用户和商品为网络中的节点。然后,设计了兼顾网络结构信息和节点之间相似性的个性化异构网络采样方法,并对节点进行表示学习。最后,将学习到的用户、商品表示向量输入到神经网络中进行训练,利用优化后的神经网络模型进行评分预测。实验结果表明:所提方法在YELP 13、Movielens 100k、Movielens 1m数据集上都有较高的准确率,对比常用方法,准确率提升6.5%以上。 | 詹娜娜 刘伟 陈新波 蒲菊华 | 2021 | 北京航空航天大学学报2021，47，5： | 2 |
您所在的机构暂未开通此部分的功能，请联系管理员