.png){kind=icon}
返回
Comparative Analysis Between Deep Learning and Machine Learning Models in Collaborative Filtering Recommendation Systems
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-032-07109-5_38.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
推荐系统帮助用户发现与其特定偏好和兴趣高度契合的内容和产品，从而便于他们在海量信息中找到相关信息。目前，研究人员正利用深度网络架构提供推荐服务，这对某些领域产生了显著影响。本文对推荐系统中机器学习与深度学习模型的性能进行了比较分析，重点关注传统技术（如矩阵分解）和先进模型（如自编码器和神经协同过滤）。在两个数据集上进行的实验表明，尽管深度学习模型在均方根误差方面提供了更高的预测质量，但其精度和召回率的表现会因数据集和生成推荐数量的不同而有所差异。
Keyword:
Collaborative filtering
Deep learning
Machine learning
Autoencoder
Neural collaborative filtering
期刊
I
IF:
0
论文数:
42
被引数:
0
机构
引用论文
A mobile recommendation system based on logistic regression and Gradient Boosting Decision Trees
.png){kind=icon}
PREAI
分享收藏
分享收藏Multi-stakeholder recommendation system through deep learning-based preference evaluation and aggregation model with multi-view information embedding基于深度学习的偏好评估和多视图信息嵌入聚合模型的多利益相关者推荐系统
PREAI
分享收藏
查看更多内容