基于改进神经网络协同过滤的研究
【图文】:
工神经于深度学经网络现。人工系统处理神经网络,,麦卡洛。.1 M-P经神经网学习的大火(Deep Neu工神经网络理外界信息络是目前机洛克-皮特斯P 模型第二章 协同络简介火,一些研究ural Networ络(Artificial息的原理,开器学习和深斯模型,又同过滤算法与人员已经通rk , DNNs)l Neural Ne开发出的旨在深度学习使又称 M-P 模型与神经网络简通过设计基)在推荐系etwork, ANN在复制人类用的主要工型和多层感简介于神经网络系统中的应用N)简称神经类对事物学习工具之一。在感知器模型是络的协同过用,来提高经网络,是习方式的一在众多的神是最为人所过滤,探高推荐是基于一种数神经网所知的
器学习和深斯模型,又图2.图2同过滤算法与15人员已经通rk , DNNs)l Neural Ne开发出的旨在深度学习使又称 M-P 模型5 M-P 神经.6 ReLU 激与神经网络简通过设计基)在推荐系etwork, ANN在复制人类用的主要工型和多层感经元模型激活函数简介于神经网络系统中的应用N)简称神经类对事物学习工具之一。在感知器模型是络的协同过用,来提高经网络,是习方式的一在众多的神是最为人所过滤,探索高推荐系是基于生一种数学神经网络所知的两
【学位授予单位】:西安电子科技大学
【学位级别】:硕士
【学位授予年份】:2019
【分类号】:TP391.3;TP183
【相似文献】
相关期刊论文 前10条
1 檀亚宁;金泽明;陈辉;;基于项目协同过滤的电视产品营销推荐模型[J];科技资讯;2019年32期
2 许媛萍;;基于内容的推荐与协同过滤融合的新闻推荐分析与探究[J];新闻研究导刊;2018年13期
3 李改;邹小青;;基于隐式反馈的协同过滤算法研究综述[J];福建电脑;2018年11期
4 胡致杰;胡羽沫;;协同过滤推荐瓶颈问题研究[J];无线互联科技;2016年09期
5 郑婕;鲍海琴;;基于协同过滤推荐技术的个性化网络教学平台研究[J];科技风;2012年06期
6 张家鑫;刘志勇;张琳;张倩;莎仁;;基于协同过滤的多维度电影推荐方法研究[J];长春理工大学学报(自然科学版);2019年02期
7 杨莉;;基于时间因子的协同过滤算法研究[J];电脑知识与技术;2019年09期
8 章宗杰;陈玮;;基于标签扩展的协同过滤算法在音乐推荐中的应用[J];软件导刊;2018年01期
9 王婵;;一种基于加权因子的混合协同过滤算法[J];电脑知识与技术;2018年09期
10 刘文佳;张骏;;改进的协同过滤算法在电影推荐系统中的应用[J];现代商贸工业;2018年17期
相关会议论文 前10条
1 孙见山;徐东;姜元春;;融合人格信息的单分类协同过滤方法研究[A];第十二届(2017)中国管理学年会论文集[C];2017年
2 沈杰峰;杜亚军;唐俊;;一种基于项目分类的协同过滤算法[A];第二十二届中国数据库学术会议论文集(技术报告篇)[C];2005年
3 陈曦;;基于二阶定时修正协同过滤系统的信息推荐算法[A];2019年第二届钢铁工业智能制造发展论坛会议论文集[C];2019年
4 骆正清;郑涛;;基于标签聚类的协同过滤推荐算法[A];第十三届(2018)中国管理学年会论文集[C];2018年
5 胡必云;李舟军;王君;;基于心理测量学的协同过滤相似度方法(英文)[A];NDBC2010第27届中国数据库学术会议论文集(B辑)[C];2010年
6 孙铁利;杨焱;邱春艳;;基于内容预测的协同过滤推荐[A];2005年全国理论计算机科学学术年会论文集[C];2005年
7 刘牧;杨智强;王衡;;基于普适计算的日程发现方法探讨[A];第七届和谐人机环境联合学术会议(HHME2011)论文集【poster】[C];2011年
8 潘崇伦;张弛;;协同过滤的自服务模式在水务信息基础架构管理中的研究[A];大数据时代的信息化建设——2015(第三届)中国水利信息化与数字水利技术论坛论文集[C];2015年
9 陶红亮;王明文;曹瑛;;基于项目平滑和聚类的协同过滤推荐算法[A];第二十三届中国数据库学术会议论文集(技术报告篇)[C];2006年
10 易們;杨成;柴智;;基于重排序的新用户TOPN推荐方法研究[A];第十九届中国科协年会——分4信息新技术 东北新工业论坛论文集[C];2017年
相关重要报纸文章 前3条
1 林嘉澍;从搜索到发现[N];经济观察报;2007年
2 本报记者 沈佳;数据大了 决策准了[N];山西日报;2014年
3 林嘉澍;若邻网络:发掘网上的真实人脉[N];经济观察报;2007年
相关博士学位论文 前10条
1 符明晟;基于深度学习的智能推荐技术研究[D];电子科技大学;2019年
2 顾梁;播存结构中基于协同过滤的内容推荐技术研究[D];东南大学;2017年
3 袁卫华;面向稀疏数据的多视图个性化推荐方法研究[D];山东师范大学;2018年
4 孙小华;协同过滤系统的稀疏性与冷启动问题研究[D];浙江大学;2005年
5 薛福亮;电子商务协同过滤推荐质量影响因素及其改进机制研究[D];天津大学;2012年
6 段锐;融合文本内容与情境信息的协同过滤推荐方法研究[D];合肥工业大学;2017年
7 郭艳红;推荐系统的协同过滤算法与应用研究[D];大连理工大学;2008年
8 张雪洁;基于QoS的个性化云服务推荐方法研究[D];南京航空航天大学;2015年
9 姜邵巍;基于竞争关系的推荐技术研究[D];北京邮电大学;2014年
10 王立才;上下文感知推荐系统若干关键技术研究[D];北京邮电大学;2012年
相关硕士学位论文 前10条
1 张晶;基于改进的协同过滤短视频个性化推荐系统分析与实现[D];江西农业大学;2019年
2 王菲;融合信任聚类的协同过滤算法研究与应用[D];南京邮电大学;2019年
3 田力;用于抵御随机攻击的协同过滤推荐技术研究[D];南京邮电大学;2019年
4 Jun Lu;[D];华中师范大学;2019年
5 黄镇;基于协同过滤的跨境电商推荐系统研究[D];华中科技大学;2019年
6 姜阳;基于用户行为的APP推荐系统的设计与实现[D];东南大学;2018年
7 李淑敏;基于聚类和用户偏好的协同过滤算法的研究[D];燕山大学;2019年
8 张丹;基于二阶隐马尔可夫模型的协同过滤算法的研究与应用[D];江苏大学;2019年
9 王波;基于隐马尔可夫模型和协同过滤推荐算法的研究[D];华中科技大学;2019年
10 黎晓春;协同过滤推荐技术的研究及其改进[D];上海交通大学;2017年
本文编号:2591353
本文链接:https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/2591353.html