基于用户偏好和图像内容的服装个性化推荐研究
发布时间：2021-11-12 12:47
随着淘宝,蘑菇街,唯品会等时尚购物平台的快速发展,虽然越来越多的服装产品可供用户选择,但是信息超载的问题也随之而来,用户想要挑选到合适的服装需要花费大量的时间和精力。现在,最广泛使用的个性化推荐算法是协同过滤（Collaborative Filtering,CF）算法,该算法虽然已经能够产生很不错的推荐效果,但是存在推荐精度不够,覆盖率低,不能充分挖掘用户潜在兴趣等问题,其次,基于用户的协同过滤忽略了服装产品本身的相关信息,例如服装的视觉特征,属性特征和服装产品之间的搭配兼容性等问题。针对以上问题,本文主要研究工作如下:（1）针对服装推荐方法存在推荐精度不够,用户潜在兴趣挖掘不够充分的问题,提出了一种改进的基于用户对服装属性偏好的个性化推荐算法。首先构建了深度卷积神经网络,对服装图像内容实现服装属性提取,在此基础上,根据提取出的服装属性构建用户属性向量,将基于用户属性偏好的相似度融合基于时间因子的用户兴趣偏好相似度构建最终的用户偏好模型。与基于用户的协同过滤算法UCF,和基于项目的协同过滤算法ICF以及文献[50]基于项目偏好的协同过滤UCSVD算法进行比较,UIACF算法的准确率最大...
【文章来源】：浙江理工大学浙江省
【文章页数】：69 页
【学位级别】：硕士
【部分图文】：
图２．１基于用户的协同过滤??用户相似度的计算有三种方式，余弦相似度用目标用户和近邻川户向１的火??－
反馈数枥１ｉｉ能反馈川户的兴趣偏好。根裾隐Ａ??反馈数据构造的样本的不同，排序学习包括单值排序、成对排序以及列表排序??类，木文对成对排序屯点进行丫介绍。??无论是采用单值和成对排序技术，还是采用列表等其他排序技术，均可以得??到一个推荐模型用于排序，其中／￡／，用户集合和服装集合分别??川（７和／表尔。ＩＩ丨以根据ＵＩ丨练好的模型／（？，／）得到排序后的服装集合??｛ｉｐＶｉｐ，，．．．．．丨用ｆ?Ｈ标用户ｐ的待推荐列表。表示服装在推荐列表中位于??第《个位置。排序学习推荐模型如图２．２所示：??．〇??广?＾??’ｖ？?，ｍ－＞?＾?＾??ｉｒｔｌｔｔ於Ｈ?物品集??Ｉ?／???＿▼?／?Ｖ?／■（／＞，?Ｖ１）??目标用户尸???－麵ｔｓ?—＾?Ｖ．????????”??图２．２基于排序的推荐模型??单值排序方法假设己观测过的服装为正样品，未观测的服装为负样品，正样??品的排名一般是高于负样本的，然后对用户服装的二元组进行建模优化用户对服??装的偏好。隐语义模型ＬＦＭ?（ＬａｔｅｎｔＦａｃｔｏｒＭｏｄｅｉｙ３５１是一种单值排序方法，该校??型是基于矩阵因式分解的方式，旨先是将刖户一评分矩阵转换力川户和服装叫??个隐含矩阵，然后计算用户一评分矩阵中的缺失项。阁２．３中，通过分解川户??服装评分矩阵，得到用户和服装隐含特征矩阵，形式化地农示为：??人．??匕＝尸，＞，尸＂＊＂＇＊??丨?２－（３）??１０??
浙江理工火学硕Ｉ：毕业论义?基于用户偏好和图像内容的服装个性化推荐研宄??■?哪?■讓麵ＢＳ匪??翻?■鼸＿＿６８＿麵画??＿?＿?＿??？?￣?ｇ?Ｘ?＾??趣Ｉ?Ｂ?＾??鼸?Ｓ３?．?？??ｍ?ｈ??图２．３?用户一物品矩阵分解??公式２－（３）中，七及示用户对服装的预测评分，Ａ，灰示的是丨｜〗户ｗ隐含特征??向量，表示的是用户《的隐式特征在Ａ位置的值，％表示的是服装／的隐含特??征Ｈ?Ｍ：，％表小的是服装／的隐含特征在Ａ位贤的值。然后使用损失蚋数进行迭??代优化。损失函数如公式２－（４），为用户对服装的实际评分（非预测评分），又??为１丨：则化参数。??—（Ｚ（ｒ＂，—七）：＋Ａ＂凡?ｉｉ：?ｕ：）??ｐ?？＇?０，，）??＝（ｒ？．－?Ｚ?Ｐ＾ｉｋ）２?＋?＾?ＩＩ?Ｐｕ?ｉｉ２?＋?＾?ＩＩ?Ｑ，?ｉｉ２）??ｐ?ｑ?（？．〇?２－（４）??单值排序：Ｋ要是根据单个物品的不同得分计算，没有考虑用户对物品偏好的??顺序关系。而成对排序￣单值排序不同，这种模型是以样本对之间的偏序关系??为棋准，判断物品对足古满足（《，／）＞（？，刀又系，若满足则表示两个物品绀成??的物品对中，用户《对物品／＇的偏好强于用户《对物品７的偏好。基于此，考??虑在矩阵分解过程中通过判断不同用户所输入的多个样本对间是否存／Ｉ：这种??偏序关系，以确定最终的排序后的推荐列表。基于成对排序方法的推役校咽??ＩＷＷ其实是将排序模型转换为二元分类问题，输入特征是用户物品交／！：矩阵，??输出空间是用户对成对服装的倾向性，然后使用矩阵分解的思想拟合交阵．??从而得到使损失函数最优的一组参数。图２．４中展示
【参考文献】：
期刊论文
[1]一种基于用户播放行为序列的个性化视频推荐策略[J]. 王娜,何晓明,刘志强,王文君,李霞. 计算机学报. 2020(01)
[2]基于评分矩阵与评论文本的深度推荐模型[J]. 冯兴杰,曾云泽. 计算机学报. 2020(05)
[3]灰色关联层次分析在服装号型推荐中的应用[J]. 周捷,李健. 毛纺科技. 2019(06)
[4]面向隐式反馈的标签感知推荐方法[J]. 李红梅,刁兴春,曹建军,冯钦,张磊. 计算机科学. 2019(04)
[5]人工智能中无监督学习算法综述[J]. 甘井中,杨秀兰,吕洁,黄恒杰,肖磊. 海峡科技与产业. 2019(01)
[6]加入用户对项目属性偏好的奇异值分解推荐算法[J]. 魏港明,刘真,李林峰,张猛. 西安交通大学学报. 2018(05)
[7]改进卷积神经网络在分类与推荐中的实例应用[J]. 杨天祺,黄双喜. 计算机应用研究. 2018(04)
[8]个性化推荐系统的研究进展[J]. 刘建国,周涛,汪秉宏. 自然科学进展. 2009(01)
硕士论文
[1]一种联合成对排序的协同过滤推荐算法研究[D]. 陈允.郑州大学 2019
[2]融合物品视觉特征的协同过滤推荐算法研究[D]. 陈思洋.合肥工业大学 2019
[3]基于协同过滤的服装个性化定制系统研究与实现[D]. 高雄.浙江理工大学 2019
[4]基于时间效应和属性信息的推荐算法研究[D]. 叶宏图.西南交通大学 2018
[5]基于深度学习的服装图像分类与检索[D]. 包青平.浙江大学 2017
[6]基于海量数据的企业营销资源优化研究与分析[D]. 安鲜儿.浙江理工大学 2017
[7]网络消费者感性需求分析及应用研究[D]. 余恩水.大连理工大学 2015
本文编号：3490944
【文章来源】：浙江理工大学浙江省
【文章页数】：69 页
【学位级别】：硕士
【部分图文】：
图２．１基于用户的协同过滤??用户相似度的计算有三种方式，余弦相似度用目标用户和近邻川户向１的火??－
反馈数枥１ｉｉ能反馈川户的兴趣偏好。根裾隐Ａ??反馈数据构造的样本的不同，排序学习包括单值排序、成对排序以及列表排序??类，木文对成对排序屯点进行丫介绍。??无论是采用单值和成对排序技术，还是采用列表等其他排序技术，均可以得??到一个推荐模型用于排序，其中／￡／，用户集合和服装集合分别??川（７和／表尔。ＩＩ丨以根据ＵＩ丨练好的模型／（？，／）得到排序后的服装集合??｛ｉｐＶｉｐ，，．．．．．丨用ｆ?Ｈ标用户ｐ的待推荐列表。表示服装在推荐列表中位于??第《个位置。排序学习推荐模型如图２．２所示：??．〇??广?＾??’ｖ？?，ｍ－＞?＾?＾??ｉｒｔｌｔｔ於Ｈ?物品集??Ｉ?／???＿▼?／?Ｖ?／■（／＞，?Ｖ１）??目标用户尸???－麵ｔｓ?—＾?Ｖ．????????”??图２．２基于排序的推荐模型??单值排序方法假设己观测过的服装为正样品，未观测的服装为负样品，正样??品的排名一般是高于负样本的，然后对用户服装的二元组进行建模优化用户对服??装的偏好。隐语义模型ＬＦＭ?（ＬａｔｅｎｔＦａｃｔｏｒＭｏｄｅｉｙ３５１是一种单值排序方法，该校??型是基于矩阵因式分解的方式，旨先是将刖户一评分矩阵转换力川户和服装叫??个隐含矩阵，然后计算用户一评分矩阵中的缺失项。阁２．３中，通过分解川户??服装评分矩阵，得到用户和服装隐含特征矩阵，形式化地农示为：??人．??匕＝尸，＞，尸＂＊＂＇＊??丨?２－（３）??１０??
浙江理工火学硕Ｉ：毕业论义?基于用户偏好和图像内容的服装个性化推荐研宄??■?哪?■讓麵ＢＳ匪??翻?■鼸＿＿６８＿麵画??＿?＿?＿??？?￣?ｇ?Ｘ?＾??趣Ｉ?Ｂ?＾??鼸?Ｓ３?．?？??ｍ?ｈ??图２．３?用户一物品矩阵分解??公式２－（３）中，七及示用户对服装的预测评分，Ａ，灰示的是丨｜〗户ｗ隐含特征??向量，表示的是用户《的隐式特征在Ａ位置的值，％表示的是服装／的隐含特??征Ｈ?Ｍ：，％表小的是服装／的隐含特征在Ａ位贤的值。然后使用损失蚋数进行迭??代优化。损失函数如公式２－（４），为用户对服装的实际评分（非预测评分），又??为１丨：则化参数。??—（Ｚ（ｒ＂，—七）：＋Ａ＂凡?ｉｉ：?ｕ：）??ｐ?？＇?０，，）??＝（ｒ？．－?Ｚ?Ｐ＾ｉｋ）２?＋?＾?ＩＩ?Ｐｕ?ｉｉ２?＋?＾?ＩＩ?Ｑ，?ｉｉ２）??ｐ?ｑ?（？．〇?２－（４）??单值排序：Ｋ要是根据单个物品的不同得分计算，没有考虑用户对物品偏好的??顺序关系。而成对排序￣单值排序不同，这种模型是以样本对之间的偏序关系??为棋准，判断物品对足古满足（《，／）＞（？，刀又系，若满足则表示两个物品绀成??的物品对中，用户《对物品／＇的偏好强于用户《对物品７的偏好。基于此，考??虑在矩阵分解过程中通过判断不同用户所输入的多个样本对间是否存／Ｉ：这种??偏序关系，以确定最终的排序后的推荐列表。基于成对排序方法的推役校咽??ＩＷＷ其实是将排序模型转换为二元分类问题，输入特征是用户物品交／！：矩阵，??输出空间是用户对成对服装的倾向性，然后使用矩阵分解的思想拟合交阵．??从而得到使损失函数最优的一组参数。图２．４中展示
【参考文献】：
期刊论文
[1]一种基于用户播放行为序列的个性化视频推荐策略[J]. 王娜,何晓明,刘志强,王文君,李霞. 计算机学报. 2020(01)
[2]基于评分矩阵与评论文本的深度推荐模型[J]. 冯兴杰,曾云泽. 计算机学报. 2020(05)
[3]灰色关联层次分析在服装号型推荐中的应用[J]. 周捷,李健. 毛纺科技. 2019(06)
[4]面向隐式反馈的标签感知推荐方法[J]. 李红梅,刁兴春,曹建军,冯钦,张磊. 计算机科学. 2019(04)
[5]人工智能中无监督学习算法综述[J]. 甘井中,杨秀兰,吕洁,黄恒杰,肖磊. 海峡科技与产业. 2019(01)
[6]加入用户对项目属性偏好的奇异值分解推荐算法[J]. 魏港明,刘真,李林峰,张猛. 西安交通大学学报. 2018(05)
[7]改进卷积神经网络在分类与推荐中的实例应用[J]. 杨天祺,黄双喜. 计算机应用研究. 2018(04)
[8]个性化推荐系统的研究进展[J]. 刘建国,周涛,汪秉宏. 自然科学进展. 2009(01)
硕士论文
[1]一种联合成对排序的协同过滤推荐算法研究[D]. 陈允.郑州大学 2019
[2]融合物品视觉特征的协同过滤推荐算法研究[D]. 陈思洋.合肥工业大学 2019
[3]基于协同过滤的服装个性化定制系统研究与实现[D]. 高雄.浙江理工大学 2019
[4]基于时间效应和属性信息的推荐算法研究[D]. 叶宏图.西南交通大学 2018
[5]基于深度学习的服装图像分类与检索[D]. 包青平.浙江大学 2017
[6]基于海量数据的企业营销资源优化研究与分析[D]. 安鲜儿.浙江理工大学 2017
[7]网络消费者感性需求分析及应用研究[D]. 余恩水.大连理工大学 2015
本文编号：3490944
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3490944.html
最近更新
教材专著
