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
共找到5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：
无向高维稀疏网络的深度潜在因子模型
1
作者 吴金荣 胡建华 +1 位作者 宋燕 沈春根 《小型微型计算机系统》 CSCD 北大核心 2023年第7期1375-1381,共7页
无向、高维、稀疏网络是工业中经常遇到的问题,通常用高维、对称、稀疏矩阵来描述.潜在因子模型是从高维稀疏矩阵的少量已知信息中提取有用知识的一种经典方法.随着深度学习广泛应用于机器学习,以矩阵分解形式的深度潜在因子模型被提出... 无向、高维、稀疏网络是工业中经常遇到的问题,通常用高维、对称、稀疏矩阵来描述.潜在因子模型是从高维稀疏矩阵的少量已知信息中提取有用知识的一种经典方法.随着深度学习广泛应用于机器学习,以矩阵分解形式的深度潜在因子模型被提出.然而,目前多层次的矩阵分解模型其本质是线性模型,并难以满足矩阵非负性和对称性的要求.本文提出了非线性的深度非负、对称潜在因子模型(DNSLF)用于高维对称稀疏数据补全;在多层潜在因子之间搭建非线性映射的传递函数,严格保证了目标矩阵的非负性和对称性;为了更高效的求解模型,设计了一个步长自适应的迭代优化算法.通过与一些较新的潜在因子模型的对比实验结果表明,新提出的方法在高维对称稀疏矩阵补全时有显著的优越性. 展开更多
关键词 高维稀疏矩阵 潜在因子 非线性 非负性 对称性
在线阅读 下载PDF
结合L1和L2正则化约束的隐语义预测模型研究 被引量：6
2
作者 王德贤 何先波 +2 位作者 贺春林 周坤 陈敏治 《计算机工程与应用》 CSCD 北大核心 2019年第19期121-127,共7页
在大数据领域中预测高维稀疏矩阵中的缺失数据,通常采用随机梯度下降算法构造隐语义模型来对缺失数据进行预测。在随机梯度下降算法来求解模型的过程中经常加入正则化项来提高模型的性能,由于L1正则化项不可导,目前在隐语义模型中主要... 在大数据领域中预测高维稀疏矩阵中的缺失数据,通常采用随机梯度下降算法构造隐语义模型来对缺失数据进行预测。在随机梯度下降算法来求解模型的过程中经常加入正则化项来提高模型的性能,由于L1正则化项不可导,目前在隐语义模型中主要通过加入L2正则化项来构建隐语义模型(SGD_LF)。但因为L1正则化项能提高模型的稀疏性增强模型求解能力,因此提出一种基于L1和L2正则化约束的隐语义(SPGD_LF)模型。在通过构建目标函数时,同时引入L1和L2正则化项。由于目标函数满足利普希茨条件,并通过二阶的泰勒展开对目标函数进行逼近,构造出随机梯度下降的求解器,在随机梯度下降求解隐语义模型的过程中通过软阈值来处理L1正则化项所对应的边界优化问题。通过此优化方案,可以更好地表达目标矩阵中的已知数据在隐语义空间中的特征和对应的所属社区关系,提高了模型的泛化能力。通过在大型工业数据集上的实验表明,SPGD_LF模型的预测精度、稀疏性和收敛速度等性能都有显著提高。 展开更多
关键词 大数据应用 高维稀疏矩阵 隐语义
在线阅读 下载PDF
基于Weighted-slope One的用户聚类推荐算法研究 被引量：9
3
作者 郑丹 王名扬 陈广胜 《计算机技术与发展》 2016年第4期51-55,共5页
针对传统协同过滤推荐算法存在的数据稀疏性以及实时性差的问题,提出一种基于Weighted-slope One的用户聚类推荐算法。该算法首先利用Weighted-slope One算法的思想对初始的用户-评分矩阵进行有效填充,降低数据的稀疏性;然后,结合初始... 针对传统协同过滤推荐算法存在的数据稀疏性以及实时性差的问题,提出一种基于Weighted-slope One的用户聚类推荐算法。该算法首先利用Weighted-slope One算法的思想对初始的用户-评分矩阵进行有效填充,降低数据的稀疏性;然后,结合初始聚类中心优化改进的K-means方法对用户进行聚类,生成相似用户集合,以缩小目标用户搜索最近邻的范围;最后,结合目标用户所属的聚类,利用基于用户的协同过滤算法搜索最近邻居,为目标用户推荐对应的产品。仿真实验结果表明,改进算法可以显著降低数据的稀疏度,同时提升推荐的准确性和实时性。 展开更多
关键词 协同过滤 高维稀疏矩阵 Weighted-slope One K-MEANS 聚类中心
在线阅读 下载PDF
基于弹性网络正则化的隐因子预测模型 被引量：2
4
作者 贺文灏 王德贤 +1 位作者 邓萍 刘锐 《计算机应用与软件》 北大核心 2019年第7期287-293,共7页
在大数据预测中,通常采用SGD_LF模型对高维稀疏矩阵中的缺失数据进行预测。由于SGD_LF模型仅有L 2正则化项对目标函数进行约束,不能调整隐因子的分布,这样导致模型不能很好地描述目标矩阵中实体特性,损失了模型精度。用FOBOS算法构造一... 在大数据预测中,通常采用SGD_LF模型对高维稀疏矩阵中的缺失数据进行预测。由于SGD_LF模型仅有L 2正则化项对目标函数进行约束,不能调整隐因子的分布,这样导致模型不能很好地描述目标矩阵中实体特性,损失了模型精度。用FOBOS算法构造一个同时用L 1和L 2限制目标函数的弹性网络ENLF模型,ENLF很好地调整隐因子的分布并提高了模型性能。为了进一步提高ENLF模型的性能,在其中加入偏差,构造BENLF模型。在大型商业数据集上的实验表明,ENLF和BENLF模型的预测精度和模型稀疏性等性能有显著提高。 展开更多
关键词 高维稀疏矩阵 隐因子 大数据
在线阅读 下载PDF
一种基于自适应学习率的推荐优化算法模型 被引量：1
5
作者 熊彬 贺春林 周坤 《西华师范大学学报（自然科学版）》 2019年第2期197-203,共7页
在预测推荐系统中用户和项目构成的高维稀疏矩阵中的缺失值时,通常采用随机梯度下降算法对构造的隐因子(LF)模型进行求解,由于在求解过程中,学习速率始终保持不变,这使得在模型训练过程中模型的性能有所损失。因此,本文将构造一种带有... 在预测推荐系统中用户和项目构成的高维稀疏矩阵中的缺失值时,通常采用随机梯度下降算法对构造的隐因子(LF)模型进行求解,由于在求解过程中,学习速率始终保持不变,这使得在模型训练过程中模型的性能有所损失。因此,本文将构造一种带有自适应学习率的随机梯度下降算法的LF模型(ADA_LF)来处理推荐系统中的高维稀疏矩阵。采用大型工业数据集对模型进行实验测试,结果表明,采用ADA_SGD算法构建的LF模型在收敛速率、预测精度上都有明显提升,提高了模型的性能。 展开更多
关键词 随机梯度下降 自适应学习率 高维稀疏矩阵 推荐系统
在线阅读 下载PDF
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
使用帮助 返回顶部