基于迁移学习的跨地域位置服务推荐

发布时间：2021-07-04 18:40

　　随着移动网络的快速发展和移动设备的广泛使用,基于位置服务已经引起越来越多的关注。基于位置广告作为其中的一员,它将移动广告与基于位置服务集成在一起用于查明消费者的位置并在其移动设备上提供特定于位置的广告。基于位置广告中的一个重要问题是如何找到适当的位置将广告精准地推送给潜在客户。虽然已有一些工作将其视为传统的推荐问题来解决,并应用了相关的推荐模型（如协同过滤）。但是基于位置广告有着其独特的挑战:首先,因为用户的广告转化行为极低,大部分基于位置广告的数据都是无标签的,即存在数据稀疏问题;其次,从拓展业务的角度来说,基于位置广告经常要投放在之前并未有任何投放行为的新区域,这就会遇到冷启动问题;最后,由于位置特征提取自多个信息源,导致其中有很多的噪音,进而影响后续的推荐模型不能学习到有用的知识。为了解决这些问题,本文提出了一个新的基于位置广告的推荐模型,即城市交叉模型。城市交叉模型的主要工作由以下四部分组成。1)基于注意力的特征聚合,该部分主要是针对从多来源提取的信息特征含有较多冗余信息的问题。本文结合最新的自注意力机制和自编码器,从而实现了不同粒度下的信息融合。2)邻域知识应用。考虑到相邻区... 

【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校

【文章页数】：61 页

【学位级别】：硕士

【部分图文】：

图２－４马氏距离的几何意义??１０??

ｂ４?ｂ３?ｂ２?ｂ１??Ｂ?Ｉ?０?Ｉ?０?Ｉ?１?｜〇｜ｌ?｜〇｜ｌ?１??ｌ?１?ｌ?ｌ?ｌ?Ｖ?＾ｌａｌ－ｂｌ?１?＝?１０－１?１＝１??＼?＼?＼?＼?＼?￣Ｉａ２－ｂ２｜?＝?｜ｌ－１｜＝０??＼?＼?＼??Ｉａ３－ｂ３｜?＝?｜０－０｜＝０??＼?＼?Ｉａ４－ｂ４｜?＝?｜〇－１１＝１??、??｜ａ５－ｂ５｜?＝?｜０－０｜＝０???｜ａ６－ｂ６｜?＝?｜１－１｜＝０???｜ａ７－ｂ７｜?＝?｜１－０｜＝１??＂?：—?｜ａ８－ｂ８｜?＝?｜０－０｜＝０??图２－５汉明距离??汉明距离有其优缺点，下面举一个详细的例子便于理解，在电商乎台上有一系??列商品，用１和０来表示用户４和用户Ｓ对某种商品的购买与未购买行为，然后对??于这一系列商品我们可以得到两人的编码序列，从而计算出汉明距离，如图２－５所??示，两人的汉明距离为３。问题在于平台上商品商品种类繁多，两人购买过的商品??只占商品总量中很小的一部分，如果两人都购买过＿一商品，即编码为１时，此时??可以得出两者相似度很高的结论，反之，两人都未购买过同一商品，即编码为０时，??并不能说明两者的相似性。??１１??

?电子科技大学硕士学位论文???的句子，而不是预测一个单词周围的其他草词。．该模型由一个基于循环神经网络的??编码器一解码器结构组成，研究者通过训练这个模型从当前句子中重构周围的句??子》最广为大家接受的工作应该是Ｄｏｃ２Ｖｅｃ［２１］，它生要借鉴了?Ｗｏｒｄ２Ｖｅｃ的思想，??是一种非监督算法，在文档内预测词，使其能够使用单个密集向量表示每个文档。??Ｄｏｃ２Ｖｅｃ跟Ｗｏｒｄ２Ｖｅｃ—样，分为两个模型首先介绍一下ＰＶ－ＤＭ（Ｐａｒａｇｒａｐｈ?Ｖｅｃｔｏｒ：??Ａ?ｄｉｓｔｒｉｂｕｔｅｄ?ｍｅｍｏｒｙ?ｍｏｄｅｌ），它的模型獨如图２－７戶斤示《?ＰＶ－ＤＭ主．要思想是以之??前的来预测之后词出现的几率，以图２－７举例，就是用ｔｈｅ，ｃａｔ，?ｓｅｔ，来预测ｏｎ出现??的概率并旦任务中使用了文档矩阵仏Ｗ则是单词映射矩阵。??Ｃｌａｓｓｉｆｉｅｒ??Ａｖｅｒａｇｅ／Ｃｏｎｃａｔｅｎａｔｅ?ｌｈｕｌｕｊ??＾７ｔ＼??Ｘ?＿Ｌ?ＪＬ?ＪＬ??Ｐａｒａｇｒａｐｈ?Ｍａｔｒｉｘ＊?Ｄ?ＷＷＷ??Ｖ?Ｖ?Ｖ?Ｖ??Ｐａｒａｇｒａｐｈ?ｔｈｅ?ｃａｔ?ｓａｔ??ｉｄ??图２－７?ＰＶ－ＤＭ模型??１４??


本文编号：3265325