论文部分内容阅读
传统算法对多维信任数据进行推荐时,均衡性较差,导致用户信任度不高,为此,提出一种基于全卷积神经网络的多维信任数据协同推荐算法。构建多维信任数据的存储和服务结构模型,运用该模型提取多维信任数据的关联规则特征量;采用隐含层节点抽取机制,将提取的特征数据输入到卷积神经网络中进行自适应学习,保留重要隐含层中的关键信息;采用协同滤波方法训练隐含层和输出层的连接权值,从而实现多维信任数据协同推荐。实验结果表明,该算法的稀疏学习性能较好,降低了推荐网络模型的复杂性,提高了置信度水平。