基于变分矩阵分解的电影推荐系统设计与应用

发布时间：2021-01-08 09:41

　　随着互联网的迅猛发展,人们获取到的信息越来越来多,但这也带来了“信息过载”的问题。人们无法及时地获取到自己需要的信息,而推荐系统被认为是解决该问题的主要方法之一。推荐系统能够有效的帮助人们快速的获取他们想要的信息,但是在传统的推荐算法中存在着数据稀疏、冷启动等问题。而近年来,深度学习技术在图像处理以及自然语言处理等方面取得了令人瞩目的成就。本文将传统的推荐算法与深度学习算法相结合,以此来改善传统推荐算法中所存在的问题,提高推荐系统的推荐精度。本文首先介绍了推荐系统研究的意义与现状,然后阐述了传统的推荐系统中常用的几种推荐算法,并对它们各自的优缺点作了说明,接着介绍了推荐系统中几种评价指标以及相似性的计算方法。然后为了将深度学习技术应用到传统的推荐算法中,本文选用了变分自编码器（VAE）,一种具有强大特征提取能力的新型深度网络架构。本文通过将无监督变分自编码融合到概率矩阵分解,构建了一种通过感知上下文的新型推荐模型——变分矩阵分解（VAEMF）。本文对评价文档进行数据预处理,随后对处理后的数据使用VAE捕获上下文信息特征,最后使用概率矩阵分解进一步提高预测评分精度。在两个公开数据集上的进... 

【文章来源】：西南交通大学四川省 211工程院校 教育部直属院校

【文章页数】：68 页

【学位级别】：硕士

【部分图文】：

处理后电影评价文档

西南交通大学硕士研究生学位论文 第 26 页在图 3-8 中，是本章选择了不同的隐藏层的维数 D 在 ML-1m 的数据集上进行实验的结果 从实验中可以看出，VAEMF 模型在维数 D 不断增加的时候，RMSE 并没有出现预期中下降的情况，反而是在增长 这说明 VAE 在对文档信息进行特征的提取时，反而是在低维度时对信息能进行更好的压缩，同时也说明了低维数据所包含的信息可能比高维数据更有效 图 3-8 不同隐藏层维数 D 在 ML-1M 数据集上的效果在图 3-9 中，是本章选择了不同的隐藏层的层数 h 在 ML-1m 的数据集上进行实验的结果 从实验结果中可以发现 RMSE 最小的时候

不同隐藏层的层数h在ML-1M数据集上的效果

【参考文献】：
期刊论文
[1]反馈式个性化试题推荐方法[J]. 万永权,燕彩蓉,朱明,苏厚勤.  计算机应用与软件. 2018(07)
[2]国内电子商务网站推荐系统信息服务质量比较研究——以淘宝、京东、亚马逊为例[J]. 洪亮,任秋圜,梁树贤.  图书情报工作. 2016(23)
[3]基于物品协同过滤推荐系统的研究[J]. 师秦龙,陈伟,魏浩.  福建电脑. 2015(07)
[4]协同过滤推荐技术综述[J]. 冷亚军,陆青,梁昌勇.  模式识别与人工智能. 2014(08)
[5]基于用户相似度迁移的协同过滤推荐算法[J]. 柯良文,王靖.  微型机与应用. 2014(14)
[6]基于个性化数据的搜索引擎技术研究[J]. 郑炜,梁战平,梁建.  情报理论与实践. 2013(10)
[7]推荐系统中的冷启动问题研究综述[J]. 孙冬婷,何涛,张福海.  计算机与现代化. 2012(05)
[8]推荐引擎:读懂你的消费欲望[J]. 周政华.  中国新闻周刊. 2011(35)
[9]协同过滤中基于用户兴趣度的相似性度量方法[J]. 嵇晓声,刘宴兵,罗来明.  计算机应用. 2010(10)
[10]基于共同评分和相似性权重的协同过滤推荐算法[J]. 汪静,印鉴,郑利荣,黄创光.  计算机科学. 2010(02)

博士论文
[1]协同过滤系统的稀疏性与冷启动问题研究[D]. 孙小华.浙江大学 2005



本文编号：2964368