convmf代码运行_CNN提取文本特征,融合PMF模型实现推荐系统

原标题:CNN提取文本特征,融合PMF模型实现推荐系统

用户对产品评价数据的稀疏性是影响推荐系统质量的主要因素之一。针对稀疏性问题,提出了几种建议技术,并考虑了辅助信息,提高了评级预测精度。特别是,当评级数据比较稀疏时,基于文档建模的方法通过额外使用文本数据(如评论、摘要或概要)来提高准确性。然而,由于词语袋模型固有的局限性,它们在有效利用文档的上下文信息方面存在困难,导致对文档的理解较浅。

本文提出了一种新的上下文感知推荐模型——卷积矩阵因式分解(convmf),将卷积神经网络(cnn)与概率矩阵因式分解(pmf)相结合。因此,convmf捕获了文档的上下文信息,进一步提高了评级预测的准确性。我们对三个现实数据集的广泛评估表明,即使在评级数据非常稀疏的情况下,convmf仍显著优于最先进的推荐模型。我们还证明convmf成功地捕获了文档中单词的细微上下文差异。

完整复现源码获取方式:

convmf-左边是convmf的概率图模型,它集成了概率矩阵分解(pmf)模型和卷积神经网络(cnn)模型,右边是cnn模型利用项目描述文档的详细架构。从CNN模型中获得的文档潜在向量被用作项目变量(V)的高斯分布平均值,它在CNN和PMF之间起着重要的桥梁作用,有助于全面分析描述文档和评级。详情请参阅论文http://dl.acm.org/citation.cfm?id=2959165

《深度学习之pytorch》pdf+附书源码返回搜狐,查看更多

责任编辑:

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值