医学专业图书推荐算法比较研究

[目的]基于医学读者行为,提供合理的医学专业图书推荐算法。[方法]利用蚌埠医学院图书管理系统借阅历史记录,构建用户-项目偏好指标评价体系,针对目前流行的各种推荐算法进行对比实验。[结果]基于矩阵分解的推荐算法均方根误差分值较低,表现较好。     

针对不规则Pareto前沿的高维多目标优化算法应用

不规则的Pareto前沿面问题,具有不连续、退化的、倒置等不规则形式,利用传统的优化算法往往不能达到最优值.针对此问题,通过改进RVEA算法,使用参考向量再生的方式丰富解集以充分遍历不规则Pareto前沿面,提出Dynamic-RVEA算法.该方法利用随机函数随机在目标向量的取值范围内生成新的参考向量来替换原来的单位参考向量,然后通过在DTLZ测试问题集上超体积指标(HV)实验结果性能对比.实验结果表明Dynamic-RVEA在超体积指标HV性能指标上表现突出.     

粒子群优化深度交叉神经网络推荐算法设计研究

深度交叉网络(DCN)因无法针对不同的数据集准确设置超参数,导致点击率预估模型无法达到最优解。基于此,提出粒子群优化深度交叉神经网络推荐算法(PSO-DCN),该算法通过使用粒子群优化算法的全局搜索特性,对深度交叉神经网络层数及每层神经元个数进行全局搜索,并将其最优值放入DCN模型中运行进行参数优化。在不同的数据集上,进行数次实验对比,实验结果表明PSO-DCN在模型训练速度以及测试集上的表现都较优于当前流行的基于深度学习框架的推荐算法。