典型文献
基于tri-training和极限学习机的跨领域信任预测
文献摘要：
信任预测常用于推荐系统及交易平台,大多数学者研究基于某一个网络的信任预测,目前由于大多数网络缺乏标签,所以通过某一网络预测另一个网络的社会关系很有必要.利用BP神经网络结合非对称tri-training构建模型的方法存在2个问题:1)BP神经网络反向传播调整误差需要时间长;2)该模型只有2个分类器产生伪标签,这需要设置专家阈值.针对该模型存在的结构和速度问题,提出了改进的基于tri-training和极限学习机的跨领域信任预测模型,结合tri-training模型和非对称tri-training模型进行类似迁移学习的方法对网络进行预测,采用速度更快的极限学习机分类器,根据"少数服从多数"的投票机制,利用tri-training模型产生伪标签.实验测试特殊特征加入的影响,且在6个数据集上与其他已有算法进行对比,实验表明模型在召回率和稳定性方面优于其他算法.
文献关键词：
tri-training;极限学习机;投票;迁移学习;伪标签
中图分类号：
作者姓名：
王岩;童向荣
作者机构：
烟台大学计算机与控制工程学院 山东烟台 264005
文献出处：
引用格式：
[1]王岩;童向荣-.基于tri-training和极限学习机的跨领域信任预测)[J].计算机研究与发展,2022(09):2015-2026
A类：
B类：
tri,training,极限学习机,跨领域,推荐系统,交易平台,构建模型,反向传播,分类器,伪标签,迁移学习,服从,投票机制,实验测试,召回率
AB值：
0.214916
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
