• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Applied Soft Computing >Optimising latent features using artificial immune system in collaborative filtering for recommender system
【24h】

Optimising latent features using artificial immune system in collaborative filtering for recommender system

机译：利用人工免疫系统在建议系统中使用人工免疫系统优化潜在特征

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In collaborative filtering, the stochastic gradient descent (SGD) method is used to determine the latent features used in producing a non-negative N x M matrix of user-item ratings. The method is commonly used because it is straightforward in implementation and has a relatively fast running time. In this paper, we propose an artificial immune system approach to matrix factorization (AISMF) to optimise the latent features during the learning process. Artificial immune systems have the advantage of being dynamic, adaptive and able to learn an antigen in a few cycles. Therefore, they are well suited for the collaborative filtering of recommender systems.
机译：在协作滤波中，随机梯度下降（SGD）方法用于确定用于产生用户项额定值的非负N X M矩阵的潜在特征。 该方法通常使用，因为它在实现中是简单的并且具有相对较快的运行时间。 在本文中，我们提出了一种人工免疫系统来实现矩阵分解（AISMF），以优化学习过程中的潜在特征。 人工免疫系统具有动态，自适应和能够在几个循环中学习抗原的优点。 因此，它们非常适合推荐系统的协同过滤。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号