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 ZHANG Qian;WU Guodong;TAO Hong;SUN Chen;SHI Mingzhe

作者机构：安徽农业大学信息与计算机学院安徽合肥230000 

出 版 物：《洛阳理工学院学报（自然科学版）》 (Journal of Luoyang Institute of Science and Technology：Natural Science Edition)

年 卷 期：2018年第28卷第4期

页      面：58-64,90页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(31671589) 

主　　题：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 

摘      要：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%。