一种基于审美特征和对抗性学习的协同过滤推荐方法.pdfVIP

下载本文档

0
0
约1.23万字
约 12页
2023-04-25 发布于四川
举报
版权申诉

一种基于审美特征和对抗性学习的协同过滤推荐方法.pdf

1、本文档共12页，其中可免费阅读11页，需付费10金币后方可阅读剩余内容。
2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

一种基于审美特征和对抗性学习的协同过滤推荐方法，利用美学网络将审美特征融入评价体系中，并通过对抗性学习提高推荐精度和鲁棒性，本方法可以分为两个阶段：特征采集阶段和模型训练阶段。特征采集阶段输入产品数据集到CNN和审美网络，分别提取产品的CNN特征和审美特征，拼接两种特征获得新的特征矩阵，用于构成CFA模型；模型训练阶段，采用SGD学习算法首先进行模型参数的学习使模型性能达到最佳，然后在模型参数处加入对抗性扰动构成ACFA模型，并使模型性能尽可能降低进行对抗性学习。本发明能提高推行系统的推荐精度和

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114065025 A (43)申请公布日 2022.02.18 (21)申请号 202111305777.5 (22)申请日 2021.11.05 (71)申请人浙江