基于改进CNN-SRBM文本分类的评分预测推荐研究

作者：张倩; 吴国栋; 陶鸿; 孙成; 史明哲

来源：洛阳理工学院学报(自然科学版), 2018, 28(04): 58-90.

• 卷积神经网络
• 受限玻尔兹曼机
• 文本分类
• 评分预测
• 推荐系统

针对海量评论文本的情感数据复杂性、个性化推荐领域的数据稀疏性以及冷启动问题进行研究,提出了基于改进CNN-SRBM (Convolutional Neural Network-Similarity Restricted Boltzmann Machine)文本分类的评分预测推荐研究。叙述了传统CNN文本分类以及传统RBM评分预测模型;引入改进的CNN-3C、CNN-4C文本分类模型以及改进的SRBM评分预测模型;最后,融和改进的CNN-3C模型和SRBM模型,使推荐准确率达到了95. 77%。

• 单位
  安徽农业大学