融合社会化标签信息的个性化推荐方法研究
发布时间：2022-01-07 20:15
作为解决信息过载问题的有效工具,推荐系统已经成为电子商务网站和社交网络平台的基本组成部分。根据推荐系统依赖的数据类型,可将个性化推荐算法分为基于显式评分数据的推荐算法和基于隐式反馈数据的推荐算法,其中隐式反馈数据存在更为广泛,获取成本更低,利用隐式反馈数据进行推荐研究可以有效缓解用户隐私性负担的问题,能反映用户实际行为偏好。但隐式反馈数据中只包含用户的正向行为偏好,面临着负样本缺乏问题。社会化标签信息既能反映用户偏好也能体现产品特征,能在用户和其未交互产品之间的构建联系,因此在隐式反馈数据中引入社会化标签信息能够细分用户反馈集合,识别出产品中的负样本,对提高个性化推荐算法的精度具有重要意义。本文首先利用doc2vec技术实现用户-标签集合和产品-标签集合的向量表达,并通过向量的余弦相似度关系找出与目标用户在标签语义层面最相近的潜在偏好产品。其次,根据用户的交互记录和用户的潜在偏好为每个用户找出其所对应正反馈集合、基于标签的潜在兴趣反馈集合、负反馈集合,并据此构建出两组用户的偏好关系假设。最后,根据两对偏序关系假设提出了一种融合社会化标签信息的贝叶斯个性化排序推荐算法tag-BPR。在真...
【文章来源】：合肥工业大学安徽省 211工程院校 教育部直属院校
【文章页数】：59 页
【学位级别】：硕士
【部分图文】：
基于Last.fm数据集的推荐算法对比效果
图 5.2 对冷启动用户推荐Fig 5.2 Recommendation for cold-start users度对推荐效果的影响稀疏性问题是推荐系统中面临的另一个重要问题。淘宝、电子商务平台都拥有大量的用户和产品，由此导致每个用不会超过产品总数的 1%。我们在利用“用户-产品”进行协成的用户-产品矩阵含有大量的缺失数据，这些稀疏数据会好。能否利用稀疏数据产生较好的推荐也是衡量一个推荐标。用 Last.fm 数据集，在不同训练集稀疏度水平下对提出的 。实验所用数据的稀疏度情况如表 5.2 所示，随机选取 20为本次实验所用的测试集，将余下数据随机等分成 10 份-产品”二元组，通过不同等分数据的组合，构建包含不同稀train.60 包含的测试集为数据集的 20%，训练集为余下部分
图 5.3 数据稀疏度对推荐效果的影响Fig 5.3 The effect of data sparsity on recommendation征维度的选取维度的选取对矩阵分解模型性能具有非常重要的影响，本对 tag-BPR 算法和 BPRMF 算法进行实验并找出使得 tag具有较高性能的隐特征的个数。这里选用 MAP 作为衡量影响的评价指标。图 5.4 展示了 tag-BPR 算法和 BPR 算法的推荐效果，由图像可以看出，随着隐特征个数的增加，当隐特征维度接近 50 时，tag-BPR 算法的 MAP 值趋于稳，MAP 的值也会随之继续增加，但增加的幅度不大，当继模型训练会因此消耗更多的时间，同理，当隐特征维度接的 MAP 值也会趋向稳定。在我们的实验中，当选取 Las为 50 时，tag-BPR 算法和 BPRMF 算法在模型性能和效率都
【参考文献】：
期刊论文
[1]基于社会化标注的用户兴趣发现及个性化推荐研究[J]. 王晓耘,赵菁,徐作宁. 现代情报. 2018(07)
[2]社会化标注系统中用户标签使用行为影响因素研究[J]. 罗琳,杨洋. 图书情报知识. 2018(03)
[3]基于标签扩展的协同过滤算法在音乐推荐中的应用[J]. 章宗杰,陈玮. 软件导刊. 2018(01)
[4]基于Word2Vec的一种文档向量表示[J]. 唐明,朱磊,邹显春. 计算机科学. 2016(06)
[5]基于排序学习的推荐算法研究综述[J]. 黄震华,张佳雯,田春岐,孙圣力,向阳. 软件学报. 2016(03)
[6]一种解决新项目冷启动问题的推荐算法[J]. 于洪,李俊华. 软件学报. 2015(06)
[7]基于信任环的用户冷启动推荐[J]. 杨圩生,罗爱民,张萌萌. 计算机科学. 2013(S2)
[8]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)
[9]一种解决协同过滤系统冷启动问题的新算法[J]. 李改,李磊. 山东大学学报(工学版). 2012(02)
[10]基于社会化标签系统的个性化信息推荐探讨[J]. 田莹颖. 图书情报工作. 2010(01)
博士论文
[1]推荐系统中协同过滤算法若干问题的研究[D]. 张亮.北京邮电大学 2009
硕士论文
[1]基于隐式反馈的视频类推荐系统优化[D]. 王义嘉.武汉邮电科学研究院 2017
本文编号：3575198
【文章来源】：合肥工业大学安徽省 211工程院校 教育部直属院校
【文章页数】：59 页
【学位级别】：硕士
【部分图文】：
基于Last.fm数据集的推荐算法对比效果
图 5.2 对冷启动用户推荐Fig 5.2 Recommendation for cold-start users度对推荐效果的影响稀疏性问题是推荐系统中面临的另一个重要问题。淘宝、电子商务平台都拥有大量的用户和产品，由此导致每个用不会超过产品总数的 1%。我们在利用“用户-产品”进行协成的用户-产品矩阵含有大量的缺失数据，这些稀疏数据会好。能否利用稀疏数据产生较好的推荐也是衡量一个推荐标。用 Last.fm 数据集，在不同训练集稀疏度水平下对提出的 。实验所用数据的稀疏度情况如表 5.2 所示，随机选取 20为本次实验所用的测试集，将余下数据随机等分成 10 份-产品”二元组，通过不同等分数据的组合，构建包含不同稀train.60 包含的测试集为数据集的 20%，训练集为余下部分
图 5.3 数据稀疏度对推荐效果的影响Fig 5.3 The effect of data sparsity on recommendation征维度的选取维度的选取对矩阵分解模型性能具有非常重要的影响，本对 tag-BPR 算法和 BPRMF 算法进行实验并找出使得 tag具有较高性能的隐特征的个数。这里选用 MAP 作为衡量影响的评价指标。图 5.4 展示了 tag-BPR 算法和 BPR 算法的推荐效果，由图像可以看出，随着隐特征个数的增加，当隐特征维度接近 50 时，tag-BPR 算法的 MAP 值趋于稳，MAP 的值也会随之继续增加，但增加的幅度不大，当继模型训练会因此消耗更多的时间，同理，当隐特征维度接的 MAP 值也会趋向稳定。在我们的实验中，当选取 Las为 50 时，tag-BPR 算法和 BPRMF 算法在模型性能和效率都
【参考文献】：
期刊论文
[1]基于社会化标注的用户兴趣发现及个性化推荐研究[J]. 王晓耘,赵菁,徐作宁. 现代情报. 2018(07)
[2]社会化标注系统中用户标签使用行为影响因素研究[J]. 罗琳,杨洋. 图书情报知识. 2018(03)
[3]基于标签扩展的协同过滤算法在音乐推荐中的应用[J]. 章宗杰,陈玮. 软件导刊. 2018(01)
[4]基于Word2Vec的一种文档向量表示[J]. 唐明,朱磊,邹显春. 计算机科学. 2016(06)
[5]基于排序学习的推荐算法研究综述[J]. 黄震华,张佳雯,田春岐,孙圣力,向阳. 软件学报. 2016(03)
[6]一种解决新项目冷启动问题的推荐算法[J]. 于洪,李俊华. 软件学报. 2015(06)
[7]基于信任环的用户冷启动推荐[J]. 杨圩生,罗爱民,张萌萌. 计算机科学. 2013(S2)
[8]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)
[9]一种解决协同过滤系统冷启动问题的新算法[J]. 李改,李磊. 山东大学学报(工学版). 2012(02)
[10]基于社会化标签系统的个性化信息推荐探讨[J]. 田莹颖. 图书情报工作. 2010(01)
博士论文
[1]推荐系统中协同过滤算法若干问题的研究[D]. 张亮.北京邮电大学 2009
硕士论文
[1]基于隐式反馈的视频类推荐系统优化[D]. 王义嘉.武汉邮电科学研究院 2017
本文编号：3575198
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3575198.html
最近更新
教材专著
