基于受限玻尔兹曼机的协同推荐算法研究

发布时间：2024-03-05 02:49

　　大数据时代和智能时代的快速发展促使推荐系统逐渐成为商业应用的“标准配置”,因其在提高商业利润和满足用户的个性化需求两方面的作用,推荐系统收获了来自研究界和工业界越来越多的关注。从不同的应用场景及其相关数据来划分,推荐系统包含若干个重要问题,如传统的协同过滤问题、单类协同过滤问题、协同排序问题和异构单类协同过滤问题等。另一方面,受限玻尔兹曼机模型自提出以来,因其结构的灵活性,加上相关学习算法的成熟,已经在诸多领域的诸多任务中发挥作用,但其在推荐系统领域的应用和研究只限于有限的若干个问题,在其它问题上尚不充分。本文以受限玻尔兹曼机在推荐领域中的应用为核心,研究了推荐系统的若干重要问题:(1)基于受限玻尔兹曼机的混合单类协同过滤。针对单类协同过滤问题,探究受限玻尔兹曼机模型与其它经典模型的互补性,具体而言,我们设计、使用混合的方法来进一步提升受限玻尔兹曼机模型的推荐效果;(2)基于受限玻尔兹曼机的协同排序推荐算法研究。针对协同排序问题,探究在此问题上受限玻尔兹曼机模型的有效利用。以充分训练数据的蕴含的信息为突破口,提出几种看待数据的思路,设计相应的基于条件受限玻尔兹曼机模型的推荐算法;(3)...

【文章页数】：69 页

【学位级别】：硕士

【部分图文】：

图4.215门课程的IRS值

基于受限玻尔兹曼机协同过滤和Hadoop-Mahout的课程推荐算法的研究Android攻城狮的第一门课（入门篇）9.62.0609036920.2881.886078857Linux达人养成计划I9.64.5792196000.1504252.3112119....

图5.7单、双、三节点执行推荐算法运行时间对比

基于受限玻尔兹曼机协同过滤和Hadoop-Mahout的课程推荐算法的研究图5.65MB文件推荐结果Fig.5.65MBfilerecommendationresults从输出结果看出，对用户1的推荐课程为2号、11号、12号课程，推荐指数分为182....

图1-1网易云音乐中大量使用推荐技术，用于推荐歌曲、歌单和用户等

基于受限玻尔兹曼机的协同推荐算法研究2网上出现了越来越多使用了智能推荐技术的产品，如电子商务平台Amazon1为每个用户从上亿商品中挑选出一小部分予以展示，“千人千面”的背后便是推荐引擎[4][5]，视频内容平台Youtube2通过推荐算法帮助用户发现个性化内容[6]，今日头条3....

图2-1受限玻尔兹曼机示意图

基于受限玻尔兹曼机的协同推荐算法研究9际上可以通过最大化关于所有偏序关系物品对所定义的后验分布来实现。基于这个假设，BPR算法的最终优化目标函数如下[50]：∑∑∑{()}\,(2.3)式中省略了正则化项，而的计算依赖于其它具体模型。严格说来，BPR只是一个优化框架，为了解决具体....

本文编号：3919558