Redes Neurais para Sistemas de Recomenda??o uso de Redes Neurais Recorrentes para tratamento de Cold-Start Problem

【電子書籍なら、スマホ・パソコンの無料アプリで今すぐ読める！】

Cold-Start Problem ? um problema recorrente em Sistemas de Recomenda??o nas seguintes situa??es: quando um novo item ? adicionado ao sistema e n?o possui nenhuma avalia??o pr?via; ou quando um usu?rio sem hist?rico de avalia??o entra no sistema. Avaliando as diferentes situa??es em que o Cold-Start Problem se apresenta, ? poss?vel considerar o uso do hist?rico de navega??o como alternativa para gera??o de recomenda??es. Levando em conta o formato sequencial dos dados, estudos sugerem o uso de Redes Neurais Recorrentes (RNN) por permitir maior entendimento da sequ?ncia de dados e seu contexto. Durante a revis?o sistem?tica realizada neste trabalho, as arquiteturas de LSTM, GRU e h?bridas aparecem com frequ?ncia entre as pesquisas relacionadas ao tema. Entretanto, os autores dos trabalhos revisados n?o comparam as arquiteturas entre si, o que ? crucial para o entendimento das vantagens e desvantagens do uso de dados do hist?rico de navega??o com RNN. Este estudo prop?e a compara??o das arquiteturas de LSTM, GRU e h?bridas de RNN atrav?s da cria??o de prot?tipos utilizando a mesma base de entrada, avaliando suas performances atrav?s dos valores de Acur?cia, Revoca??o, Precis?o e F1-Score.画面が切り替わりますので、しばらくお待ち下さい。
※ご購入は、楽天kobo商品ページからお願いします。
※切り替わらない場合は、こちらをクリックして下さい。
※このページからは注文できません。

この商品の詳細を調べる

: 本・雑誌・コミック » 洋書 » COMPUTERS ＆ SCIENCE