基于网络表示学习的推荐算法研究与实现

发布时间：2021-07-23 05:13

　　互联网和信息技术的飞速发展使得信息过载问题越来越严重。个性化推荐是解决信息过载问题的有效途径,已被广泛应用于新闻资讯、电子商务等领域,作为其核心的推荐算法近年来成为了研究热点。协同过滤算法是目前应用最为广泛的推荐算法,但该算法仍然存在着一些问题。它只考虑了用户和物品两类实体,忽略了用户属性、物品属性、时间、用户行为模式等上下文信息,推荐结果往往不尽人意。此外,随着数据规模的不断扩大,该类算法将面临着严重的可扩展性问题。网络表示学习技术可以有效的解决推荐算法的可扩展性问题,为推荐算法的研究提供了新的思路。本文基于网络表示学习技术,对融合上下文信息的推荐算法进行了深入的探讨和研究。根据不同的上下文信息融合方式,本文提出了两种基于网络表示学习的推荐算法:基于用户-物品图的网络表示学习推荐算法（User-Item Graph based Network Embedding Recommendation,UIGNER）和基于元路径的网络表示学习推荐算法（Meta-Path based Network Embedding Recommendation,MPNER）。两种算法均考虑了用户属性、物品属... 

【文章来源】：北京邮电大学北京市 211工程院校 教育部直属院校

【文章页数】：84 页

【学位级别】：硕士

【部分图文】：

图２－１个性化推荐系统工作原理??推荐算法是个性化推荐系统中最重要的技术，目前常用的推荐算法有ＣＢ算??

又?—??展５＾推存结果??图２－１个性化推荐系统工作原理??推荐算法是个性化推荐系统中最重要的技术，目前常用的推荐算法有ＣＢ算??法和ＣＦ算法，其中ＣＦ算法又分为基于邻域的推荐算法和基于模型的推荐算法，??下面重点介绍一下这几种算法的实现原理。??２．１．２基于内容的推荐算法??ＣＢ算法的核心原理是给用户推荐和他过去喜欢的物品内容相似的物品，通??过分析用户过去接触过的物品的内容信息，学习用户的兴趣特征，进而根据物品??内容特征和用户兴趣特征的匹配程度为用户进行推荐。如图２－２所示，Ｔｏｍ喜欢??看《钢铁侠２》这种美国科幻动作片，基于内容的推荐算法就会给他推荐具有相??似内容且符合他偏好的《钢铁侠３》。??－类型：科幻、动作?＼??演员：小罗伯特？唐尼…??钢铁侠２??！＇、?－??Ｔｏｍ?推荐、?广??国家：美国?／??－麵：购、雜?＾??ＳＵＬ?演员：小罗伯特？唐尼．．．??ＳＭＭａｗ??钢铁侠３??图２－２基于内容的电影推荐示例??８??

ＣＢ算法一般包括四个步骤：物品内容特征表示、用户兴趣特征表示、计算??用户与物品的匹配度、将用户未接触过且匹配度较高的前Ｎ项物品推荐给目标??用户。图２－３展示了?ＣＢ算法的工作流程。??ｆｌ?ｈ?—?ｆｋ???＾?ｉｉ?０．１?０?．．．?０．２??、?一乂?一??物品＿?品内繼輕〇６＿?Ｄａ??、?????????Ｉｎ?ＯＳ＿＿〇＿＿”?过滤??（?＾计算匹配度用户与物?排序?１＾０名前??＾?特征?？??？品匹配度?？?ｎ项推荐??用好——?ｆ?ｆ?ｆ?结果?给用户??数据?Ｔ１?Ｔ２?．．．?Ｔｋ??Ｉ?个??、?Ｕｉ?０．２?０．３?．．．?０．１?????Ｕ２?０．１?０?．．．?０．４?ｉ??学习用户兴趣特征＿？?旺??Ｕｍ?０．７?０．１?．．．?０??图２－３?ＣＢ算法的工作流程图??物品内容特征表示是ＣＢ算法的核心，一般可以通过物品的属性获取。通常??来说，物品的属性可以分为两种：结构化属性和非结构化属性。所谓结构化属性??就是可以直接被量化使用的属性，如电影的种类、演员、导演等；而非结构化属??性就是无法直接使用需要二次解析的属性，如电影的评论、文字描述等。对于这??种文本类的属性信息常用的特征表示方法是词频－逆文档频率算法（Ｔｅｒｍ??Ｆｒｅｑｕｅｎｃｙ－Ｉｎｖｅｒｓｅ?Ｄｏｃｕｍｅｎｔ?Ｆｒｅｑｕｅｎｃｙ，?ＴＦ－ＩＤＦ）和?ｗｏｒｄ２ｖｅｃ?算法。??获取物品的内容特征之后，就可以根据用户的历史偏好记录来表示用户的兴??趣特征，假设用户Ｕ喜欢的物品集合为Ｘ?＝?

【参考文献】：
期刊论文
[1]网络表示学习综述[J]. 涂存超,杨成,刘知远,孙茂松.  中国科学:信息科学. 2017(08)
[2]直推式网络表示学习[J]. 张霞,陈维政,谢正茂,闫宏飞.  计算机科学与探索. 2017(04)



本文编号：3298672