版权说明 操作指南
首页 > 成果 > 详情

基于Adam的推荐系统模型研究

认领
导出
Link by 中国知网学术期刊 Link by 维普学术期刊 Link by 万方学术期刊
反馈
分享
QQ微信 微博
成果类型:
期刊论文
论文标题(英文):
Research on recommendation system model based on adam
作者:
樊翔宇;张聪
作者机构:
武汉轻工大学数学与计算机学院 湖北武汉430023
[张聪; 樊翔宇] 武汉轻工大学
语种:
中文
关键词:
推荐系统;冷启动;人工智能;模型优化
关键词(英文):
recommendation system;cold-start;artificial intelligence;model optimization
期刊:
武汉轻工大学学报
ISSN:
2095-7386
年:
2020
卷:
39
期:
1
页码:
62-67
基金类别:
国家自然科学基金面上项目(61272278); 湖北省重大科技专项(2018ABA099);
机构署名:
本校为第一机构
院系归属:
数学与计算机学院
摘要:
传统技术实现的推荐系统探索用户兴趣时十分依赖用户的历史行为等额外数据,探索过程复杂且面临严重的冷启动问题。为降低对用户信息的依赖,同时减轻冷启动问题,采用当前人工智能中先进的Adam优化方法提出了一种推荐系统模型。使用Tensor flow平台在一系列数据集上的仿真结果表明,与其他模型相比,提出的模型显著降低了对用户信息的需求,具有更精准的推荐结果,在应对冷启动问题时也有较好的性能表现。
摘要(英文):
Recommendation system implemented by traditional technology relies heavily on user’s historical behavior equivalent data when exploring user interest,meanwhile the user interests exploration process is complex and faces serious cold start problems.In order to reduce the dependence on user information and optimizing the cold start problem,a new recommendation system model was proposed by using the advanced Adam optimization method in the current artificial intelligence.The simulation results on a series of datasets using Tensor flow platform sh...

反馈

验证码:
看不清楚,换一个
确定
取消

成果认领

标题:
用户 作者 通讯作者
请选择
请选择
确定
取消

提示

该栏目需要登录且有访问权限才可以访问

如果您有访问权限,请直接 登录访问

如果您没有访问权限,请联系管理员申请开通

管理员联系邮箱:yun@hnwdkj.com