文献检索-宁波市创意产业特色资源库

限定检索结果

高维稀疏个性化推荐方法研究: 收藏
分享
引用; 《中国科学技术大学学报》2022年第3期52卷 32-43,69,70页; 作者：邵景钰董枘朋郑泽敏中国科学技术大学管理学院国际金融研究院安徽合肥230026; 考虑特征数据的多响应logit决策模型常用于个性化推荐问题,尤其在考虑参数矩阵的低秩结构时该方法表现较好。近年来有较多理论和算法上的进展,但是该决策模型中的参数估计在高维情形下仍然具有挑战性。因此,本文引入了基于特征数据的惩...; 考虑特征数据的多响应logit决策模型常用于个性化推荐问题,尤其在考虑参数矩阵的低秩结构时该方法表现较好。近年来有较多理论和算法上的进展,但是该决策模型中的参数估计在高维情形下仍然具有挑战性。因此,本文引入了基于特征数据的惩罚似然方法,进而还原顾客、产品关于推荐结果的稀疏结构。提出的方法同时考虑低秩和稀疏结构,以降低模型复杂度,同时提升参数估计和模型预测的精度。新算法稀疏因子梯度下降(SFGD)用于参数矩阵的估计,该方法有较高的可解释性以及计算效率。作为一阶的方法,SFGD不用考虑Hessian矩阵的计算,在高维情形下有较好表现。模拟研究表明,SFGD在参数估计、稀疏还原以及算法平均regret上均优于现有方法。通过广告行为数据分析来验证了方法的有效性。; 来源：详细信息评论

高级检索 表达式检索

时间限定

文献类型

馆藏选择

核心期刊

语言

高级检索 表达式检索

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

限定检索结果

保存检索档案

请选择保存的检索档案：

收藏书架

请选择收藏分类：

检索条件订阅

申请转借

引用

高级检索 表达式检索

时间限定

文献类型

馆藏选择

核心期刊

语言

高级检索 表达式检索

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

限定检索结果

保存检索档案

请选择保存的检索档案： 新增检索档案 确定 取消

收藏书架

请选择收藏分类： 新增自定义分类 确定 取消

检索条件订阅

申请转借

引用

高级检索表达式检索

高级检索表达式检索

请选择保存的检索档案：

请选择收藏分类：