基于评论和内容深度融合的跨域推荐问题研究

发布时间：2021-12-29 00:53

　　随着电子商务的蓬勃发展,消费者在购物时可选择的商品数目以一种不可思议的速度急速增长,为了帮助消费者更好地选择出符合自己偏好的商品,推荐系统应运而生。一个好的推荐系统可以帮助公司更精准地迎合用户偏好,提升用户满意度,从而更好地留住用户,增加销量。然而,对于单个用户来说,其购买或使用的商品仅仅只占该电子商务网站所有商品的极小一部分,因此该用户在某一商品领域所涉及的信息量极其有限,造成了评分矩阵的稀疏性。最为稀疏的情况即为刚进入领域的新用户,我们无法获取其历史行为,则难以为其进行有效的个性化推荐,这种情况被称作新用户的“冷启动问题”。如果可以通过一定的方式解决冷启动问题,一定会在一定程度上提升推荐的准确性,提升企业的服务水平。由此,“跨域推荐”算法逐渐成为研究热点,为该问题的解决提供了新的研究视角。这类算法的一般思路是将用户对于所购买商品的显式或隐式反馈从信息较为稠密的辅助域迁移到信息相对稀疏的目标域,从而更准确的定义出目标域用户的个性化偏好。遗憾的是,现有的跨域推荐算法虽然在各自应用场景中均取得了较好的推荐效果,但是这些方法大都仅利用用户的评分,受限于评分矩阵固有的稀疏性。尽管用户评论文本... 

【文章来源】：山东大学山东省 211工程院校 985工程院校 教育部直属院校

【文章页数】：62 页

【学位级别】：硕士

【部分图文】：

基于内容的推荐算法

图２－２基于用户的协同过滤示例（左）、基子商品的协同过滤示例（右）??在基于记忆的协同过滤算法中，我们可以选取以下几种相似度计算方法：余??

图３－１?ＲＣ－ＤＦＭ模型整体框架??ＲＣ－ＤＦＭ模型第一步表不为图３－１的最左侧部分

【参考文献】：
硕士论文
[1]基于潜在特征映射的跨域推荐方法研究[D]. 王兴华.山东大学 2018
[2]基于评论挖掘的跨域推荐问题研究[D]. 宋天航.山东大学 2017



本文编号：3555070