基于终身机器学习的主题挖掘与评分预测联合模型

作者：刘一宁; 申彦明

来源：计算机工程, 2019, 45(06): 237-248.

DOI：10.19678/j.issn.1000-3428.0051131

• 文本主题模型
• 推荐算法
• 终身机器学习
• 评分预测
• 协同过滤

为充分利用历史知识,提高评分预测精度,基于终身机器学习(LML)机制提出一种同时挖掘用户评分和评论的推荐模型。在执行任务时积累知识并用于后续任务的训练,提高评分预测精度。在真实数据集上的实验结果表明,与无LML能力的模型相比,该模型预测评分的均方误差降低5.4‰,且随着知识的积累,误差不断降低,提高了主题词语分类的精度。

• 单位
  大连理工大学