粒子群优化深度交叉神经网络推荐算法设计研究

首页 > 按月查看>2021年第3月 >75-82

粒子群优化深度交叉神经网络推荐算法设计研究
DOI:
                        
作者:
                        
作者单位:
作者简介:
通讯作者:
基金项目:安徽省教育厅高等学校自然科学研究重点项目(２０１９Ａ０３９３);安徽省 ２０１９ 大学生创新训练项目(２０１９１０３６７１００)。

ＳｔｕｄｙｏｎＲｅｃｏｍｍｅｎｄａｔｉｏｎＡｌｇｏｒｉｔｈｍＤｅｓｉｇｎｏｆＤｅｅｐＣｒｏｓｓｏｖｅｒＮｅｕｒａｌＮｅｔｗｏｒｋＢａｓｅｄｏｎＰａｒｔｉｃｌｅＳｗａｒｍＯｐｔｉｍｉｚａｔｉｏｎ

Author:

Affiliation:

Fund Project:

摘要

图/表

访问统计

参考文献

相似文献

引证文献

资源附件

摘要:

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。

Abstract:

:Ｄｅｅｐｃｒｏｓｓｏｖｅｒｎｅｔｗｏｒｋ (ＤＣＮ) ｃａｎｎｏｔａｃｃｕｒａｔｅｌｙｓｅｔｓｕｐｅｒｐａｒａｍｅｔｅｒｓｆｏｒｄｉｆｆｅｒｅｎｔｄａｔａｓｅｔｓꎬ ｗｈｉｃｈｌｅａｄｓｔｏｔｈｅｃｌｉｃｋｒａｔｅｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌｂｅｉｎｇｕｎａｂｌｅｔｏａｃｈｉｅｖｅｔｈｅｏｐｔｉｍａｌｓｏｌｕｔｉｏｎ. Ｂａｓｅｄｏｎｔｈｉｓꎬ ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｓｔｈｅｄｅｅｐｃｒｏｓｓ￣ｏｖｅｒｎｅｕｒａｌｎｅｔｗｏｒｋｒｅｃｏｍｍｅｎｄａｔｉｏｎａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎ (ＰＳＯ－ＤＣＮ)ꎬ ｗｈｉｃｈｕｓｅｓｉｔｓｇｌｏｂａｌｓｅａｒｃｈｃｈａｒａｃｔｅｒｉｓｔｉｃｓｔｏｇｌｏｂａｌｌｙｓｅａｒｃｈｔｈｅｎｕｍｂｅｒｏｆｌａｙｅｒｓａｎｄｎｅｕｒｏｎｓｉｎｅａｃｈｌａｙｅｒｏｆｔｈｅｄｅｅｐｃｒｏｓｓｏｖｅｒｎｅｕｒａｌｎｅｔ￣ｗｏｒｋꎬ ａｎｄｐｕｔｓｉｔｓｏｐｔｉｍａｌｖａｌｕｅｉｎｔｏｔｈｅＤＣＮｍｏｄｅｌｆｏｒｐａｒａｍｅｔｅｒｏｐｔｉｍｉｚａｔｉｏｎ. Ｔｈｅｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｐｓｏ－ｄｃｎｉｓｂｅｔｔｅｒｔｈａｎｔｈｅｃｕｒｒｅｎｔｐｏｐｕｌａｒｒｅｃｏｍｍｅｎｄａｔｉｏｎａｌｇｏｒｉｔｈｍｓｂａｓｅｄｏｎｄｅｅｐｌｅａｒｎｉｎｇｆｒａｍｅｗｏｒｋｉｎｔｈｅｍｏｄｅｌｔｒａｉｎｉｎｇｓｐｅｅｄａｎｄｉｎｔｈｅｔｅｓｔｓｅｔ.

参考文献

相似文献

引证文献

引用本文

高心乐,邱煜炎.粒子群优化深度交叉神经网络推荐算法设计研究[J].西昌学院学报（自然科学版）,2021,35(3):75-82.

复制

文章指标

点击次数:
下载次数:

历史

收稿日期:
最后修改日期:
录用日期:
在线发布日期: 2021-10-28

引用本文

分享

文章指标

历史