集成神经网络的Top-N推荐算法研究

发布时间：2020-06-03 22:29

【摘要】：面对大数据的环境,如何从杂乱无章的海量信息中给用户准确推荐有价值的信息,这将是推荐系统领域的主要研究任务。在传统的推荐算法中,评分数据的稀疏性是影响传统推荐算法推荐准确率的主要因素,虽然有些传统方法解决了评分数据稀疏性问题,但仅仅挖掘评分数据间的线性关系,而且未考虑到用户兴趣波动的问题。针对评分数据稀疏性和用户兴趣波动问题,本文提出了一种集成神经网络的Top-N推荐模型(CDAETN),从海量数据中挖掘数据间的非线性内在联系进行推荐。首先,考虑用户-项目评分矩阵的稀疏性和数据有限性,采用显性反馈与隐性反馈数据结合的方式。将用户评论信息作为隐性反馈行为,利用卷积神经网络对评论文本进行卷积和池化操作获得用户兴趣度的隐含特征向量即项目向量,然后将项目向量作为降噪自编码网络输入层到隐藏层的初始权重参数,显性反馈数据的评分矩阵作为降噪自编码网络的输入数据,对用户-项目评分矩阵中未评分项目进行评分预测。其次,考虑到用户兴趣偏好不是没有波动的,用户的兴趣偏好随着时间的波动趋势与人类遗忘曲线相类似。引入非线性遗忘函数和项目属性,然后根据项目属性相似度获得项目间的相似度,寻找与最近评分项目相似的未评分项目集合,采用相似项目具有相同的时间权重策略,对未评分项目的预测评分进行时间加权,重新进行评分预测,最后选取Top-N个项目生成推荐列表。通过仿真实验,本文提出的集成神经网络的Top-N推荐算法(CDAETN)与传统的协同过滤算法、基于SVD的推荐算法、基于降噪自编码网络的推荐算法进行比较F1值,由仿真实验结果图可以看出,本文提出的集成神经网络的TopN推荐算法(CDAETN)有较大的F1值,说明本文提出的CDAETN算法进一步提高了推荐准确率。
【图文】：

图 2-4 卷积神经网络结构卷积神经网络对于二维的输入特征具有较好的处理能力，，常被用来处理图像文件和音视频文件等。本文将卷积神经网络用于对用户情感特征的提取，获得用户对项目的情感趋向，并生成初始的权重矩阵。

图 4-7 遗忘函数曲线非线性遗忘曲线函数来对用户兴趣偏好进行加权，度值。遗忘曲线函数如公式（4-5）所示：(1 ( ))( )i nowt ttime i noww t t e + =
【学位授予单位】：上海师范大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP391.3;TP183

【相似文献】

相关期刊论文 前10条

1 张艳红;谌颃;;基于标签的自助教育资源推荐算法研究[J];现代信息科技;2019年12期

2 李欣鞠;;个性化推荐算法下的“信息茧房”效应研究——以“天天快报”为例[J];西部广播电视;2019年13期

3 俞伟;徐德华;;推荐算法概述与展望[J];科技与创新;2019年04期

4 张世东;;推荐算法概述[J];科技传播;2019年04期

5 陈军;谢卫红;陈扬森;;国内外大数据推荐算法领域前沿动态研究[J];中国科技论坛;2018年01期

6 向洋乐;;大数据背景下互联网购物推荐算法应用研究[J];中国战略新兴产业;2018年04期

7 喻国明;刘钰菡;王畅颖;王丹敏;;推荐算法:信息推送的王者品性与进阶重点[J];山东社会科学;2018年03期

8 刘顺程;岳思颖;钟瑞敏;;基于拉普拉斯噪声的轻型推荐算法[J];中国战略新兴产业;2018年20期

9 刘涛;刘佐;;一种面向新文章的个性化推荐算法研究[J];控制工程;2018年06期

10 汪海鹏;郑扬飞;;基于特征值的律师推荐算法及改进方案[J];计算机与现代化;2018年10期

相关会议论文 前10条

1 米传民;彭鹏;单晓菲;马静;;考虑显式评分的基于二部图的推荐算法[A];第十七届中国管理科学学术年会论文集[C];2015年

2 秦国;杜小勇;;基于用户层次信息的协同推荐算法[A];第二十一届中国数据库学术会议论文集（技术报告篇）[C];2004年

3 王韬丞;罗喜军;杜小勇;;基于层次的推荐:一种新的个性化推荐算法[A];第二十四届中国数据库学术会议论文集（技术报告篇）[C];2007年

4 唐灿;;基于模糊用户心理模式的个性化推荐算法[A];2008年计算机应用技术交流会论文集[C];2008年

5 苏日启;胡皓;汪秉宏;;基于网络的含时推荐算法[A];第五届全国复杂网络学术会议论文（摘要）汇集[C];2009年

6 梁莘q

本文编号：2695492