社交网络中融合社交关系和语义信息的推荐算法

协同过滤方法广泛应用于推荐,但是数据稀疏成为模型提供高质量推荐的一大障碍.为了解决此问题,文中提出融合社交关系和语义信息的推荐算法,提高协同过滤方法的推荐性能,有机融合稀疏的用户行为记录、项目的社交信息和项目的语义信息.应用矩阵分解技术把行为矩阵和项目社交关系映射到一个低维的特征空间,提供项目社交关系信息分解的显式解释,分析关系信息对用户行为偏好产生的影响.同时,使用社会化因子正则的级联去噪自编码器模型学习项目语义特征,改进传统深度学习模型.在真实腾讯微博和Twitter数据集上的实验表明,文中方法有效提高召回率、准确率和推荐效率.     

奔向21世纪的国酒茅台

一、前言时代在前进、社会在发展，人民的物质文化生活水平也在发生着新的变化，这是当今世界发展的主流。我们的国家在建设有中国特色的社会主义事业中已取得了举世瞩目的新成就，并绘出了面向２１世纪的宏伟蓝图。作为中华民族酒文化的灿烂明珠，中国贵州茅台酒，如何跨...