论文部分内容阅读
通过提取玩家在网络游戏数据库中的数据特征,用基于BP神经网络的数据挖掘方法挖掘出玩家对虚拟物品的各种属性的偏好,为设计开发个性化的虚拟物品提供决策支持。针对传统神经网络中很难获取有广泛代表性的训练样本、常常导致普通神经网络对陌生样本推荐时精度不高的问题,提出改进的BP神经网络,依据专家知识对神经网络的权重进行初始化,并根据训练样本对权重加以微调。仿真案例验证了该方法的有效性。