2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩70頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、深度學(xué)習(xí)作為人工智能的一個(gè)分支被應(yīng)用在多個(gè)領(lǐng)域,用深度學(xué)習(xí)作為模型應(yīng)用在個(gè)性化推薦領(lǐng)域逐漸受到關(guān)注。受限玻爾茲曼機(jī)(RBM)作為深度學(xué)習(xí)中的模型之一,是一種“無監(jiān)督學(xué)習(xí)”模型可以用來對未知輸入樣本進(jìn)行分類和特征提取?;赗BM的協(xié)同過濾算法在用戶評分?jǐn)?shù)據(jù)稀疏問題上存在精度不夠、準(zhǔn)確率不高等問題。本文主要從RBM模型的基本結(jié)構(gòu)入手,將改進(jìn)的RBM模型與協(xié)同過濾算法結(jié)合應(yīng)用到推薦系統(tǒng)中。具體內(nèi)容如下:
  (1)從推薦算法的基本研究入

2、手,分析了經(jīng)典的協(xié)同過濾算法,包含了基于模型的協(xié)同過濾和基于鄰域的協(xié)同過濾,并對比多種基于模型推薦算法的優(yōu)缺點(diǎn)。分析了RBM的結(jié)構(gòu)和RBM的訓(xùn)練算法-對比散度算法,通過構(gòu)建RBM和協(xié)同過濾算法的聯(lián)系,指出基于RBM的協(xié)同過濾算法中的不足。
  (2)基于RBM的協(xié)同過濾只考慮用戶的評分,如果用戶的評分稀疏性低會(huì)直接影響算法的推薦效果,本文在RBM模型的基礎(chǔ)上提出了附加受限玻爾茲曼機(jī)(ERBM),ERBM模型在RBM模型的基礎(chǔ)上增加

3、了附加層作為條件輸入,將條件輸入與原始輸入結(jié)合共同作為模型的輸入條件,使用對比散度算法訓(xùn)練模型,得到輸入數(shù)據(jù)的特征。從經(jīng)典的協(xié)同過濾算法為基礎(chǔ),提出了新的用戶相似度計(jì)算方法-結(jié)合項(xiàng)目特征的用戶相似度計(jì)算,以項(xiàng)目特征相似度與用戶的相似度相結(jié)合計(jì)算用戶的相似度。取相似度前k個(gè)用戶的評分作為ERBM附加層的輸入,用ERBM學(xué)習(xí)用戶的特征來預(yù)測未知的用戶評分。本文通過開源數(shù)據(jù)集MovieLens驗(yàn)證算法的可行性,其結(jié)果表明,基于ERBM的協(xié)同過

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論