期刊导航
期刊开放获取
vip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
4
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于DeepFM的个性化练习题目推荐系统研究
被引量：
2
1
作者
傅翠娇
龚震
杨子恒
《实验技术与管理》
CAS
北大核心
2023年第3期212-216,225,共6页
文章针对学生在学习程序设计类课程时做题针对性不强、难以精准查缺补漏的问题,基于DeepFM模型,根据学生做题的历史行为数据及是否集中点击题目,来预估学生对其他题目的点击率,在对预估点击率排序后向学生推荐高点击率的题目,并通过ROC...
文章针对学生在学习程序设计类课程时做题针对性不强、难以精准查缺补漏的问题,基于DeepFM模型,根据学生做题的历史行为数据及是否集中点击题目,来预估学生对其他题目的点击率,在对预估点击率排序后向学生推荐高点击率的题目,并通过ROC曲线、AUC值和混淆矩阵等指标评估推荐效果。该推荐系统基于DeepFM模型设计,实现了个性化练习题目推荐,已应用于实验教学。实验教学结果表明,该系统有助于提高实验教学效果,使学生的学习更高效,其中成绩较好的学生的学习效果提升更显著。文章还通过聚类分析、关联规则和分类预测等方法对学生的学习行为数据进行了分析,分析结果进一步验证了练习题推荐系统对实验教学的重要作用。
展开更多
关键词
deepfm
模型
个性化
推荐系统
精准化教学
在线阅读
下载PDF
职称材料
基于DeepFM模型的广告推荐系统研究
被引量：
6
2
作者
郁豹
李振华
+1 位作者
张凯
胡安翔
《计算机应用与软件》
北大核心
2019年第7期307-310,316,共5页
随着移动设备普及,移动互联网行业进入了高速发展阶段,信息量和用户量急剧增长,如何在有限的资源下准确地分析用户行为,提升广告效果并保障用户体验显得尤为重要。提出一种由深度神经网络(Deep neural network)和因子分解机(Factorizati...
随着移动设备普及,移动互联网行业进入了高速发展阶段,信息量和用户量急剧增长,如何在有限的资源下准确地分析用户行为,提升广告效果并保障用户体验显得尤为重要。提出一种由深度神经网络(Deep neural network)和因子分解机(Factorization machine)组成的模型——DeepFM模型来实现社交广告的个性化推荐,其中因子分解机部分主要是提取一阶二阶特征,深度神经网络部分主要提取高阶特征。最终通过研究发现,DeepFM模型比逻辑回归模型(LR模型)及因子分解机(FM模型)的效果都要好。
展开更多
关键词
deepfm
模型
特征提取
广告推荐
深度神经网络
因子分解机
在线阅读
下载PDF
职称材料
基于DeepFM的深度兴趣因子分解机网络
被引量：
7
3
作者
王瑞平
贾真
+2 位作者
刘畅
陈泽威
李天瑞
《计算机科学》
CSCD
北大核心
2021年第1期226-232,共7页
推荐系统能够根据用户的喜好从海量信息中筛选出其可能感兴趣的信息并进行排序展示。随着深度学习在多个研究领域取得了良好的效果,其也开始应用于推荐系统。目前基于深度学习的推荐排序算法常采用Embedding&MLP模式,只能获得高阶...
推荐系统能够根据用户的喜好从海量信息中筛选出其可能感兴趣的信息并进行排序展示。随着深度学习在多个研究领域取得了良好的效果,其也开始应用于推荐系统。目前基于深度学习的推荐排序算法常采用Embedding&MLP模式,只能获得高阶的特征交互。为了解决该问题,DeepFM在上述模式中加入了因子分解机(Factorization Machine,FM),能够实现端到端的低阶与高阶特征交互学习,但其缺乏用户兴趣多样性的表示。鉴于此,通过将多头注意力机制引入DeepFM,提出了深度兴趣因子分解机网络(Deep Interest Factorization Machine Network,DIFMN)。DIFMN能够根据待推荐的不同物品自适应地学习用户表示,展示用户兴趣的多样性。此外,该模型根据用户历史行为的种类添加了喜好表征,从而不仅能够应用于只记录用户爱好的历史行为的任务,还可以处理同时记录用户喜欢与不喜欢的历史行为的任务。采用tensorflow-gpu进行算法的实现,在Amazon(Electronics)和movieLen-20m两个公开数据集上进行对比测试,实验表明所提算法相比DeepFM分别有17.70%和35.24%的RelaImpr提升,验证了其可行性与有效性。
展开更多
关键词
推荐算法
deepfm
多头注意力机制
深度学习
CTR预测
用户兴趣建模
在线阅读
下载PDF
职称材料
融合LDA主题和Doc2vec算法的DeepFM模型的推荐算法研究
被引量：
3
4
作者
刘伦珲
吴丽萍
《电视技术》
2022年第4期47-53,共7页
如今,有很多辅助决策算法在日常生活的各个方面为人们推荐个性化内容或产品。本文以医疗信息推荐作为案例,研究提出一种融合狄利克雷分配(Latent Dirichlet Allocation,LDA)主题模型和Doc2vec算法的DeepFM模型。该模型能够挖掘评论文本...
如今,有很多辅助决策算法在日常生活的各个方面为人们推荐个性化内容或产品。本文以医疗信息推荐作为案例,研究提出一种融合狄利克雷分配(Latent Dirichlet Allocation,LDA)主题模型和Doc2vec算法的DeepFM模型。该模型能够挖掘评论文本中的隐藏主题和隐藏特征并考虑隐藏特征的交叉情况,能够在保留评论文本表层信息的同时学习数据中的浅层和深层特征。本文将该模型与之前的模型在真实的数据上进行实验对比。实验结果表明,相较于现存模型,该模型的推荐准确率有了一定的提高。
展开更多
关键词
推荐系统
LDA主题模型
Doc2vec
deepfm
在线阅读
下载PDF
职称材料
题名
基于DeepFM的个性化练习题目推荐系统研究
被引量：
2
1
作者
傅翠娇
龚震
杨子恒
机构
北京航空航天大学计算机学院
出处
《实验技术与管理》
CAS
北大核心
2023年第3期212-216,225,共6页
文摘
文章针对学生在学习程序设计类课程时做题针对性不强、难以精准查缺补漏的问题,基于DeepFM模型,根据学生做题的历史行为数据及是否集中点击题目,来预估学生对其他题目的点击率,在对预估点击率排序后向学生推荐高点击率的题目,并通过ROC曲线、AUC值和混淆矩阵等指标评估推荐效果。该推荐系统基于DeepFM模型设计,实现了个性化练习题目推荐,已应用于实验教学。实验教学结果表明,该系统有助于提高实验教学效果,使学生的学习更高效,其中成绩较好的学生的学习效果提升更显著。文章还通过聚类分析、关联规则和分类预测等方法对学生的学习行为数据进行了分析,分析结果进一步验证了练习题推荐系统对实验教学的重要作用。
关键词
deepfm
模型
个性化
推荐系统
精准化教学
Keywords
deepfm model
individuation
recommendation system
precise teaching
分类号
TP311 [自动化与计算机技术—计算机软件与理论]
G642 [文化科学—高等教育学]
在线阅读
下载PDF
职称材料
题名
基于DeepFM模型的广告推荐系统研究
被引量：
6
2
作者
郁豹
李振华
张凯
胡安翔
机构
山东大学控制科学与工程学院
出处
《计算机应用与软件》
北大核心
2019年第7期307-310,316,共5页
文摘
随着移动设备普及,移动互联网行业进入了高速发展阶段,信息量和用户量急剧增长,如何在有限的资源下准确地分析用户行为,提升广告效果并保障用户体验显得尤为重要。提出一种由深度神经网络(Deep neural network)和因子分解机(Factorization machine)组成的模型——DeepFM模型来实现社交广告的个性化推荐,其中因子分解机部分主要是提取一阶二阶特征,深度神经网络部分主要提取高阶特征。最终通过研究发现,DeepFM模型比逻辑回归模型(LR模型)及因子分解机(FM模型)的效果都要好。
关键词
deepfm
模型
特征提取
广告推荐
深度神经网络
因子分解机
Keywords
deepfm model
Feature extraction
Advertisement recommendation
Deep neural network
Factorization machine
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于DeepFM的深度兴趣因子分解机网络
被引量：
7
3
作者
王瑞平
贾真
刘畅
陈泽威
李天瑞
机构
西南交通大学信息科学与技术学院
出处
《计算机科学》
CSCD
北大核心
2021年第1期226-232,共7页
基金
国家重点研发计划(2017YFB1401400)。
文摘
推荐系统能够根据用户的喜好从海量信息中筛选出其可能感兴趣的信息并进行排序展示。随着深度学习在多个研究领域取得了良好的效果,其也开始应用于推荐系统。目前基于深度学习的推荐排序算法常采用Embedding&MLP模式,只能获得高阶的特征交互。为了解决该问题,DeepFM在上述模式中加入了因子分解机(Factorization Machine,FM),能够实现端到端的低阶与高阶特征交互学习,但其缺乏用户兴趣多样性的表示。鉴于此,通过将多头注意力机制引入DeepFM,提出了深度兴趣因子分解机网络(Deep Interest Factorization Machine Network,DIFMN)。DIFMN能够根据待推荐的不同物品自适应地学习用户表示,展示用户兴趣的多样性。此外,该模型根据用户历史行为的种类添加了喜好表征,从而不仅能够应用于只记录用户爱好的历史行为的任务,还可以处理同时记录用户喜欢与不喜欢的历史行为的任务。采用tensorflow-gpu进行算法的实现,在Amazon(Electronics)和movieLen-20m两个公开数据集上进行对比测试,实验表明所提算法相比DeepFM分别有17.70%和35.24%的RelaImpr提升,验证了其可行性与有效性。
关键词
推荐算法
deepfm
多头注意力机制
深度学习
CTR预测
用户兴趣建模
Keywords
Recommendation algorithm
deepfm
Multi-head attention mechanism
Deep learning
CTR prediction
User interest
model
ing
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
融合LDA主题和Doc2vec算法的DeepFM模型的推荐算法研究
被引量：
3
4
作者
刘伦珲
吴丽萍
机构
昆明理工大学信息工程与自动化学院
出处
《电视技术》
2022年第4期47-53,共7页
基金
国家科学基金(NO.62166021
NO.61365010)。
文摘
如今,有很多辅助决策算法在日常生活的各个方面为人们推荐个性化内容或产品。本文以医疗信息推荐作为案例,研究提出一种融合狄利克雷分配(Latent Dirichlet Allocation,LDA)主题模型和Doc2vec算法的DeepFM模型。该模型能够挖掘评论文本中的隐藏主题和隐藏特征并考虑隐藏特征的交叉情况,能够在保留评论文本表层信息的同时学习数据中的浅层和深层特征。本文将该模型与之前的模型在真实的数据上进行实验对比。实验结果表明,相较于现存模型,该模型的推荐准确率有了一定的提高。
关键词
推荐系统
LDA主题模型
Doc2vec
deepfm
Keywords
recommendation system
LDA topic
model
Doc2vec
deepfm
分类号
TP311.5 [自动化与计算机技术—计算机软件与理论]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于DeepFM的个性化练习题目推荐系统研究
傅翠娇
龚震
杨子恒
《实验技术与管理》
CAS
北大核心
2023
2
在线阅读
下载PDF
职称材料
2
基于DeepFM模型的广告推荐系统研究
郁豹
李振华
张凯
胡安翔
《计算机应用与软件》
北大核心
2019
6
在线阅读
下载PDF
职称材料
3
基于DeepFM的深度兴趣因子分解机网络
王瑞平
贾真
刘畅
陈泽威
李天瑞
《计算机科学》
CSCD
北大核心
2021
7
在线阅读
下载PDF
职称材料
4
融合LDA主题和Doc2vec算法的DeepFM模型的推荐算法研究
刘伦珲
吴丽萍
《电视技术》
2022
3
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
