计算机应用研究
計算機應用研究
계산궤응용연구
Application Research of Computers
2015年
12期
3555-3559
,共5页
微博%邻居节点%长期兴趣%短期兴趣%RBF神经网络%预测算法
微博%鄰居節點%長期興趣%短期興趣%RBF神經網絡%預測算法
미박%린거절점%장기흥취%단기흥취%RBF신경망락%예측산법
micro-blog%neighbors%long term profiles%short term profiles%RBF neural network%prediction algorithm
针对现有用户兴趣预测模型未考虑邻居节点影响、长期兴趣与短期兴趣的区分等不足,提出一种基于RBF神经网络的微博用户兴趣预测模型,增强微博兴趣预测准确度,提高商品与服务推荐效率.该模型将用户兴趣分成长期兴趣和短期兴趣,综合考虑目标用户固有兴趣和邻居用户对目标用户的兴趣影响,在此基础上采用具有良好学习能力、唯一逼近性特点的正则化RBF神经网络对用户兴趣进行预测.在腾讯微博数据的实验中,对用户长期与短期兴趣预测的偏差分别为4.31%、14.53%,偏差方差分别为0.31、48.12,仿真结果表明该模型较已有的兴趣预测算法具有更好的预测精度和稳定性.
針對現有用戶興趣預測模型未攷慮鄰居節點影響、長期興趣與短期興趣的區分等不足,提齣一種基于RBF神經網絡的微博用戶興趣預測模型,增彊微博興趣預測準確度,提高商品與服務推薦效率.該模型將用戶興趣分成長期興趣和短期興趣,綜閤攷慮目標用戶固有興趣和鄰居用戶對目標用戶的興趣影響,在此基礎上採用具有良好學習能力、唯一逼近性特點的正則化RBF神經網絡對用戶興趣進行預測.在騰訊微博數據的實驗中,對用戶長期與短期興趣預測的偏差分彆為4.31%、14.53%,偏差方差分彆為0.31、48.12,倣真結果錶明該模型較已有的興趣預測算法具有更好的預測精度和穩定性.
침대현유용호흥취예측모형미고필린거절점영향、장기흥취여단기흥취적구분등불족,제출일충기우RBF신경망락적미박용호흥취예측모형,증강미박흥취예측준학도,제고상품여복무추천효솔.해모형장용호흥취분성장기흥취화단기흥취,종합고필목표용호고유흥취화린거용호대목표용호적흥취영향,재차기출상채용구유량호학습능력、유일핍근성특점적정칙화RBF신경망락대용호흥취진행예측.재등신미박수거적실험중,대용호장기여단기흥취예측적편차분별위4.31%、14.53%,편차방차분별위0.31、48.12,방진결과표명해모형교이유적흥취예측산법구유경호적예측정도화은정성.