文献类型：期刊文章

作　　者：霍雨佳[1,2] 左欣[3] 张虹[4]

HUO Yu-jia;ZUO Xin;ZHANG Hong(School of Artificial Intelligence and Electrical Engineering,Guizhou Institute of Technology,Guiyang 550003,China;Special Key Laboratory of Artificial Intelligence and Intelligent Control,Provincial Department of Education,Guiyang 550003,China;Continuing Education College,Guizhou Education University,Guiyang 550018,China;School of Foreign Languages,Guizhou University of Finance and Economics,Guiyang 550025,China)

机构地区：[1]贵州理工学院人工智能与电气工程学院,贵州贵阳550003 [2]贵州省教育厅贵州省人工智能与智能控制特色重点实验室,贵州贵阳550003 [3]贵州师范学院继续教育学院,贵州贵阳550018 [4]贵州财经大学外语学院,贵州贵阳550025

出　　处：《计算机工程与设计》

基　　金：现代制造技术教育部重点实验室开放课题基金项目(黔教合KY字[2018]477号);贵州省高等学校教学内容和课程体系改革基金项目(2017520072);贵州省大数据统计分析重点实验室基金项目(黔科合平台人才[2019]5103号)。

年　　份：2021

卷　　号：42

期　　号：2

起止页码：489-496

语　　种：中文

收录情况：BDHX、BDHX2020、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对当前稀疏数据推荐准确率低的问题,提出一种基于多核学习卷积神经网络的稀疏数据推荐算法。将项目的辅助信息送入卷积神经网络学习特征,将向量在可再生核希尔伯特空间组合,利用多核学习技术增强卷积神经网络的特征学习能力;基于学习的卷积特征集初始化非负矩阵模型,通过非负矩阵模型实现对缺失评分的预测。实验结果表明,该算法有效提高了稀疏数据集的推荐性能,验证了多核学习卷积神经网络的有效性。

关 键 词：稀疏数据 推荐系统 评分预测 卷积神经网络 多核学习 项目上下文  

分 类 号：TP391]