Page 422 - 《软件学报》2024年第6期
P. 422

2998                                                       软件学报  2024  年第  35  卷第  6  期


                 附中文参考文献:
                  [2]  冯永, 张备, 强保华, 张逸扬, 尚家兴. MN-HDRM: 长短兴趣多神经网络混合动态推荐模型. 计算机学报, 2019, 42(1): 16–28. [doi: 10.
                     11897/SP.J.1016.2019.00016]
                  [7]  徐晓, 丁世飞, 丁玲. 密度峰值聚类算法研究进展. 软件学报, 2022, 33(5): 1800–1816. http://www.jos.org.cn/1000-9825/6122.htm [doi:
                     10.13328/j.cnki.jos.006122]
                 [10]  王俊, 李石君, 杨莎, 金红, 余伟. 一种新的用于跨领域推荐的迁移学习模型. 计算机学报, 2017, 40(10): 2367–2380. [doi: 10.11897/
                     SP.J.1016.2017.02367]
                 [13]  刘兴波, 聂秀山, 尹义龙. 基于双向线性回归的监督离散跨模态散列方法. 计算机研究与发展, 2020, 57(8): 1707–1714. [doi: 10.7544/
                     issn1000-1239.2020.20200122]
                 [15]  郑烨, 施晓牧, 刘嘉祥. 基于多路径回溯的神经网络验证方法. 软件学报, 2022, 33(7): 2464–2481. http://www.jos.org.cn/1000-9825/
                     6585.htm [doi: 10.13328/j.cnki.jos.006585]
                 [22]  梁艺伟. 基于遗忘曲线的英语绘本阅读推荐系统的设计与实现 [硕士学位论文]. 北京: 北京交通大学, 2019. [doi: 10.26944/d.cnki.
                     gbfju.2019.000095]
                 [23]  石乐昊, 寇月, 申德荣, 聂铁铮, 李冬. 面向HIN基于多视角嵌入融合的推荐方法. 软件学报, 2022, 33(10): 3619–3634. http://www.jos.
                     org.cn/1000-9825/6632.htm [doi: 10.13328/j.cnki.jos.006632]
                 [24]  刘琳岚, 谭镇阳, 舒坚. 基于图神经网络的机会网络节点重要度评估方法. 计算机研究与发展, 2022, 59(4): 834–851. [doi: 10.7544/
                     issn1000-1239.20200673]


                             钱忠胜(1977-), 男, 博士, 教授, 博士生导师,                张丁(1994-), 女, 硕士生, 主要研究领域为机器
                            CCF  专业会员, 主要研究领域为软件工程, 机器                   学习, 软件工程.
                            学习, 智能化软件.





                             叶祖铼(1997-), 男, 硕士, 主要研究领域为推荐                 黄恒(1999-), 男, 硕士生, 主要研究领域为推荐
                                                                         系统, 机器学习.
                            系统, 机器学习.





                             姚昌森(1998-), 男, 硕士生, 主要研究领域为机                 秦朗悦(1998-), 女, 硕士生, 主要研究领域为机
                            器学习, 软件工程.                                   器学习, 软件工程.
   417   418   419   420   421   422   423   424   425   426   427