最新設(shè)計(jì)資源

基于混合偏好分析的聯(lián)邦推薦框架[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

針對(duì)基于內(nèi)容推薦算法存在過擬合及過度專業(yè)化問題，提出了一種混合個(gè)體及群體偏好分析的聯(lián)邦推薦框架，該框架包含三個(gè)模塊：基于隨機(jī)森林的偏好分析模塊、基于聯(lián)邦的相似興趣用戶分群模塊、基于混合偏好分析的推薦模塊。在基于隨機(jī)森林的偏好分析模塊中，提出考慮組合因素的同一屬性間偏好度分析和結(jié)合信息熵的不同屬性間在意度分析方法,通過糾正與真實(shí)興趣屬性具有強(qiáng)關(guān)聯(lián)性的非興趣屬性影響，初步解決了算法的過擬合問題；在基于聯(lián)邦的相似興趣用戶分群模塊和混合偏好分析的推薦模塊中，通過基于聯(lián)邦的相似興趣用戶分群模塊和群體的同屬性異屬性分析，得到用戶所在興趣群體的同屬性異屬性偏好信息，并通過網(wǎng)格遍歷群體和個(gè)體的超參權(quán)重混合進(jìn)行資源推薦，解決了推薦系統(tǒng)存在的過度專業(yè)化問題，提高算法在特定任務(wù)上的表現(xiàn)。實(shí)驗(yàn)結(jié)果表明所提算法相較于隨機(jī)森林算法在各方面指標(biāo)上有明顯提升，且提高了推薦系統(tǒng)的可解釋性。

發(fā)表于：2023/11/1