10.3969/j.issn.1006-9348.2021.09.080
基于无限深度神经网络的Web大数据协同过滤
针对传统数据协同过滤方法存在过滤耗时长的问题,提出基于无限深度神经网络的Web大数据协同过滤方法.通过分析神经网络连接方式与结构,在时间维度上展开,研究其"无限深"的状态;为提高计算性能,调整权值,获取网络整体性能函数,利用反向传播算法确定目标函数,再使用梯度下降法更新参数,确保网络收敛到局部最小值;利用上述无限深度神经网络分别对Web大数据的权重、梯度以及相似度进行计算,评价各个数据并进行排序,将排序靠后的大数据进行过滤.仿真结果表明,上述方法能够提高用户满意度,有效解决数据稀疏问题.
大数据;协同过滤;兴趣度;反向传播;梯度下降算法
38
TP382(计算技术、计算机技术)
2020年度国家社会科学基金项目20BXW004
2021-11-08(万方平台首次上网日期,不代表论文的发表时间)
共5页
400-404