%0 Journal Article %A 张光荣 %A 王宝亮 %A 侯永宏 %T 融合标签的实值条件受限波尔兹曼机推荐算法 %D 2019 %R 10.3778/j.issn.1673-9418.1801043 %J 计算机科学与探索 %P 138-146 %V 13 %N 1 %X 针对推荐算法中数据的稀疏性难题,把用户标签融合至实值条件受限玻尔兹曼机(real-valued conditional restricted Boltzmann machine,R_CRBM)模型,利用R_CRBM强大的拟合任意离散分布的能力,预测出用户对未交互商品的评分缺失值。具体来说,首先提出显层单元为实值的R_CRBM模型,接着运用文本分类中的TF-IDF算法预测出用户对所应用过的标签的喜爱度,与标签基因数据相乘得到用户对商品的预测 评分,融合至用户历史评分数据中。R_CRBM条件层在原有评分/未评分{0,1}向量中,融入用户标签/未标签{0,1}向量。通过真实数据集进行对比分析,实验结果表明提出的方法在一定程度上提升了推荐的准确性。 %U http://fcst.ceaj.org/CN/10.3778/j.issn.1673-9418.1801043