计算机工程

作者：刘一宁,申彦明

单位：大连理工大学 电子信息与电气工程学部,辽宁 大连 116024

关键词：文本主题模型,推荐算法,终身机器学习,评分预测,协同过滤

基金：国家自然科学基金重点项目(61432002);中央高校基本科研业务费专项资金(DUT17ZD303)。

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。

来源：2019年第6期

《计算机工程》期刊编辑部

查看计算机工程杂志2019年第6期