基于DeepFM模型的科技资源推荐应用研究

来源 :计算机应用研究 | 被引量 : 0次 | 上传用户:zhang16432780
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
在"互联网+"时代背景下,科技资源呈现出数据量巨大、属性繁多、数据稀疏等特点,传统的推荐模型难以实现精准推荐。鉴于此,将Deep FM模型应用到科技资源推荐中,用来预测用户对某个科技资源的点击概率。该模型首先使用基于嵌入的因子分解机提取用户以及科技资源数据二阶以下的特征,并学习每个特征所对应的嵌入向量;然后使用深度神经网络在学习好的嵌入向量上提取高阶特征;最后将两者融合用来预测用户的行为概率。实验结果表明,相比单独使用因子分解机和深度神经网络,Deep FM模型可以有效地缓解数据稀疏等问题,更加准确
其他文献
针对推荐算法中辅助信息和用户评论输入的高维度和样本不足的问题,基于变分自动编码器的非线性建模能力,与注意力机制的关联数据增强的特质,提出了注意力协同辅助变分自编码器推荐模型(s VAE-a)。该模型采用协同辅助变分自动编码来对辅助信息进行建模;同时通过注意力机制将辅助信息结合到协同变分自动编码器架构中,对隐变量进行加强,为解码器提供更干净的特征;最后通过变分推断来对辅助信息和用户评论近似分布,通过
抽动秽语综合征又称小儿多发性抽动症,以多发性抽动爆发性发声、伴污秽性语言为其特征的一组疾病,发病儿童多有不同程度的运动、行为、思维、人格障碍。本病属中医学“瘛疭”、“筋惕肉”、“慢惊风”等范畴,属一种慢性反复性、与遗传和精神等因素有关疾病,近年来本病的发病有明显增多趋势,现代医学目前以应用中枢抑制性药物及心理行为治疗为主,前者副作用颇大而后者易于复发,使患儿难以接受,亦容易使患儿及家长承受巨大的心
游戏平台为优化游戏体验常提供决策AI托管功能,这导致平台在对用户进行画像时面临数据质量低的问题。日志中混合了托管AI和玩家自主作出的决策行为,有时还存在行为缺失的情况。提出一种面向决策可托管应用的行为提取与分析方法,通过基于启发式规则的行为特征提取方法从日志中提取玩家自主行为。最后使用多种画像方法在原始数据集和精简数据集上分别进行分析并比较其结果,得出该方法可在大幅度缩减数据量的同时较好地保留玩家
传统短期交通流量预测方法都基于相同的预测模型直接对总体流量进行预测,总体流量数据中含有若干个分量,不同分量使用同一个预测模型,预测模型无法符合每一个分量数据的变化规律,导致预测结果精确度不高。为了提高流量预测精度,节省预测时间,改善传统预测方法的不足,将独立分量分析方法应用到短期流量预测中,对自回归滑动平均(ARMA)预测模型进行了改进。首先,对去除周期分量的高速公路交通流量数据进行独立分量分析,
随着网络购物的繁荣发展,负面在线评论井喷式爆发。对企业来说,如何降低负面评论的影响、重塑消费者信任变得尤为重要。目前已有学者开始关注网上服务补救领域,研究对象多是
当今社会网络舆情对组织及个人具有越来越重要的影响。为了处理当前及未来社会面临的大量网络舆情信息,利用Hadoop与机器学习算法处理舆情文本为该领域热点问题。首先利用基础的SVM模型对舆情文本进行分类,观察分析后对SVM模型进行优化,在SVM处理效果一般的样本领域利用朴素贝叶斯模型进行分类。传统的分布式SVM模型主要有层叠分布式SVM、反馈分布式SVM、分组分布式SVM。通过对分布式SVM模型的深入
本文对甘肃省高台县梨产业发展的现状进行了总结,分析了存在的问题,并结合全县气候特点和林果业生产实际,提出了今后做大做强高台县优质梨产业发展的思路、对策与措施。
为了提升公路短时交通流预测精度,提出一种采用非线性动态惯性权重粒子群算法优化相关向量回归的短期交通流预测方法(MPSO-RVM)。首先对原始数据进行算数平均值降噪处理,采用含有动态惯性权重ω的PSO算法优化RVM预测模型的参数,前期ω取值较大、变化较慢,维持了算法的全局搜索能力;后期ω变化较快,极大地提高了算法的局部寻优能力,从而提高求解精度,避免陷入局部最优解。使用美国Pe MS数据库中的交通流
针对深度描述子无法提供图像特征之间关联性的问题进行了研究,提出了一种融合特征关联性的深度哈希图像表示方法,这种方法将深度描述子之间的关系融入到图像内容的描述中,用于提高图像检索性能。首先,通过预训练网络生成图像的特征映射,并在此基础上提取出深度特征描述子。然后,将深度特征描述子映射为深度视觉词,从而用于深度视觉词的频繁项集发现。接下来将离散值的深度视觉词图像表示和哈希值的频繁项集图像表示连接生成图