[1] |
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. |
[2] |
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. |
[3] |
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. |
[4] |
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. |
[5] |
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. |
[6] |
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. |
[7] |
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. |
[8] |
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. |
[9] |
黄文明, 卫万成, 张健, 邓珍荣. 基于注意力机制与评论文本深度模型的推荐方法[J]. 计算机工程, 2019, 45(9): 176-182. |
[10] |
杨佳莉, 李直旭, 许佳捷, 赵朋朋, 赵雷, 周晓方. 一种自适应的混合协同过滤推荐算法[J]. 计算机工程, 2019, 45(7): 222-228. |
[11] |
毛德磊,唐雁. 基于归因理论用户偏好提取的协同过滤算法[J]. 计算机工程, 2019, 45(6): 225-229,236. |
[12] |
朱文跃,刘炜,刘宗田. 基于事件本体的新闻个性化推荐[J]. 计算机工程, 2019, 45(6): 267-272,279. |
[13] |
王泽华, 柯新生. 基于Coclus联合聚类与非负矩阵分解的推荐算法[J]. 计算机工程, 2019, 45(11): 68-73,80. |
[14] |
陈晓霞,卢菁. 融合多数据源的动态自适应推荐算法[J]. 计算机工程, 2018, 44(9): 64-69. |
[15] |
邢玉莹,夏鸿斌,王涵. 缺失数据建模的改进型ALS在线推荐算法[J]. 计算机工程, 2018, 44(8): 212-217,223. |