基于深度学习与PMF的个性化学习推荐算法研究
作者：徐云剑 郭艾寅
单位：广东农工商职业技术学院
针对概率矩阵分解（Probabilistic Matrix Factorization,PMF）模型仅利用用户对象历史行为数据进行预测估计导致估计值准确率不高的缺点，提出一种基于深度学习的cnnPMF算法。新的算法先通过卷积神经网络（Convolutional Neural Networks,CNN）对用户与对象的边信息进行特征提取，其次根据提取出来的特征向量与用户对象的历史行为数据进行融合，最后利用融合后的数据采用概论矩阵分解模型进行预测估计。仿真结果表明，与经典的PMF算法相比，cnnPMF算法在估计值的准确率方面具有明显优势。
DOI：
关键词：
Array
所属期刊栏目：
基础研究
分类号：
TP18;TP391.3
页码：
37-40
上一篇：一种壁面栖息无人机的设计与分析
下一篇：最后一页