[1] |
郑美光, 杨泳. 基于互信息软聚类的个性化联邦学习算法[J]. 计算机工程, 2023, 49(8): 20-28. |
[2] |
唐彦, 卢镘旭. 基于知识图谱与深度涟漪网络的推荐系统[J]. 计算机工程, 2023, 49(5): 63-72,80. |
[3] |
石小容, 李爱萍, 牛保宁, 段利国, 赵菊敏. 兼顾个性化需求的云边协作两级内容缓存研究[J]. 计算机工程, 2023, 49(5): 223-230. |
[4] |
李盼, 解庆, 李琳, 刘永坚. 知识增强的图神经网络序列推荐模型[J]. 计算机工程, 2023, 49(2): 70-80. |
[5] |
王曙燕, 郭睿涵, 孙家泽. 基于图对比学习的MOOC推荐方法[J]. 计算机工程, 2023, 49(1): 57-64,72. |
[6] |
赵越, 武志昊, 赵苡积. 基于特征与域感知的点击率预估方法[J]. 计算机工程, 2022, 48(3): 60-68. |
[7] |
沈学利, 马玉营, 梁振兴. 融合复杂先验与注意力机制的变分自动编码器[J]. 计算机工程, 2022, 48(11): 55-61. |
[8] |
刘华玲, 马俊, 张国祥. 基于深度学习的内容推荐算法研究综述[J]. 计算机工程, 2021, 47(7): 1-12. |
[9] |
贾俊杰, 张玉超. 基于用户模糊聚类的综合信任推荐算法[J]. 计算机工程, 2021, 47(6): 60-67. |
[10] |
唐浩, 刘柏嵩, 刘晓玲, 黄伟明. 基于协同知识图谱特征学习的论文推荐方法[J]. 计算机工程, 2020, 46(9): 306-312. |
[11] |
吴清春, 贾彩燕. 一种融合社交关系的矩阵分解推荐模型[J]. 计算机工程, 2020, 46(8): 72-77,84. |
[12] |
唐素勤, 刘笑梅, 袁磊. 嵌入双曲层的神经排序式图表示学习方法[J]. 计算机工程, 2020, 46(6): 81-87. |
[13] |
李南星, 盛益强, 倪宏. 用于个性化推荐的条件卷积隐因子模型[J]. 计算机工程, 2020, 46(4): 85-90,96. |
[14] |
周炜翔, 张雯, 杨博, 柳毅, 张琳, 张仰森. 面向微博用户的个性化推荐算法研究[J]. 计算机工程, 2020, 46(10): 60-66,73. |
[15] |
许芳芳, 杨俊杰, 刘宏志. 基于ST-LSTM网络的位置预测模型[J]. 计算机工程, 2019, 45(9): 1-7. |