典型文献
基于循环神经网络和全局化领域的推荐算法
文献摘要：
推荐系统一定程度上缓解了互联网大数据所带来的信息过载问题,但是传统的推荐算法在数据稀疏和冷启动时推荐精准度下降严重,为此提出了一种基于循环神经网络与全局化领域的推荐算法(Recurrent Neural Network and Globle Domain Algorithm,RNGA).首先通过全局化领域优化框架提升了传统基于领域模型推荐算法的不足.其次将循环神经网络与全域化领域模型有机结合,运用循环神经网络获得用户的隐藏偏好,提升了推荐准确性.MovieLens上的基准数据的性能测试表明所提出的算法能有效提高推荐准确性.
文献关键词：
循环神经网络;全域领域模型;推荐算法
中图分类号：
作者姓名：
李利杰;张君华
作者机构：
宁波城市职业技术学院 宁波 315100;宁波大学科技学院 慈溪 315300
文献出处：
引用格式：
[1]李利杰;张君华-.基于循环神经网络和全局化领域的推荐算法)[J].计算机与数字工程,2022(08):1676-1679,1701
A类：
Globle,RNGA,全域领域模型
B类：
循环神经网络,推荐算法,推荐系统,互联网大数据,信息过载,过载问题,数据稀疏,冷启动,启动时,Recurrent,Neural,Network,Domain,Algorithm,优化框架,全域化,得用,MovieLens,测试表明
AB值：
0.346431
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。
