基于终身机器学习的主题挖掘与评分预测联合模型

摘要：

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.

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

所属期刊栏目：45

分类号：TP391(计算技术、计算机技术)

资助基金：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

在线出版日期：2019-07-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：237-241,248