[1] |
高广尚. 深度学习推荐模型中的注意力机制研究综述[J]. 计算机工程与应用, 2022, 58(9): 9-18. |
[2] |
王永贵, 林佳敏, 何佳玉. 融合领导者影响与隐式信任度的群组推荐方法[J]. 计算机工程与应用, 2022, 58(9): 98-106. |
[3] |
何倩倩, 孙静宇, 曾亚竹. 基于邻域感知图神经网络的会话推荐[J]. 计算机工程与应用, 2022, 58(9): 107-115. |
[4] |
唐宏, 刘双, 酒英豪, 贺雨萌, 朱珊. 实用拜占庭容错算法的改进研究[J]. 计算机工程与应用, 2022, 58(9): 144-150. |
[5] |
张昕, 刘思远, 徐雁翎. 结合注意力机制的知识感知推荐算法[J]. 计算机工程与应用, 2022, 58(9): 168-174. |
[6] |
张金柱, 蒋霖琪, 王玥, 孔捷, 高扬. 基于异构网络表示学习的相关图书推荐研究[J]. 计算机工程与应用, 2022, 58(9): 263-270. |
[7] |
李剑锋, 封林慧, 于天一. 认同度修正下的近相邻改进推荐算法研究[J]. 计算机工程与应用, 2022, 58(7): 116-121. |
[8] |
柴瑞敏, 殷臣. 用户关系和上下文感知的下一个兴趣点推荐[J]. 计算机工程与应用, 2022, 58(7): 197-205. |
[9] |
蔡启明, 张磊, 许宸豪. 基于单层神经网络的流程相似性的研究[J]. 计算机工程与应用, 2022, 58(7): 295-302. |
[10] |
孙雨新, 曹晓梅, 王少辉. 基于情境信息迁移的因子分解机推荐算法[J]. 计算机工程与应用, 2022, 58(6): 134-141. |
[11] |
唐宏, 范森, 唐帆, 朱龙娇. 融合知识图谱与注意力机制的推荐算法[J]. 计算机工程与应用, 2022, 58(5): 94-103. |
[12] |
王永贵, 李昕. 融合狼群算法和模糊聚类的混合推荐算法[J]. 计算机工程与应用, 2022, 58(5): 104-111. |
[13] |
邱叶, 邵雄凯, 高榕, 王春枝, 李晶. 基于注意力门控神经网络的社会化推荐算法[J]. 计算机工程与应用, 2022, 58(5): 112-118. |
[14] |
张岐山, 朱猛. 融合时间加权信任与用户偏好的协同过滤算法[J]. 计算机工程与应用, 2022, 58(3): 112-118. |
[15] |
刘议聪, 楚俊峰, 王燕燕. 基于信任关系的TODIM群体多属性决策方法[J]. 计算机工程与应用, 2022, 58(3): 187-194. |