基于改进CNN-SRBM文本分类的评分预测推荐研究

摘要

针对海量评论文本的情感数据复杂性、 个性化推荐领域的数据稀疏性以及冷启动问题进行研究,提出了基于改进CNN-SRBM(Convolutional Neural Network-Similarity Restricted Boltzmann Machine)文本分类的评分预测推荐研究.叙述了传统CNN文本分类以及传统RBM评分预测模型;引入改进的CNN-3C、CNN-4C文本分类模型以及改进的SRBM评分预测模型;最后,融和改进的CNN-3C模型和SRBM模型,使推荐准确率达到了95.77％.