基于降噪自编码器的协同过滤推荐算法研究

发布时间：2022-02-19 15:44

　　随着互联网技术的迅速发展,网络上的信息资源呈现指数增长的趋势,海量的信息资源导致了信息过载问题。推荐系统是解决信息过载的有效方法,在过去二十多年里,研究人员不断提出新的推荐算法和相关技术,使得推荐系统得到了长足的发展。但是就目前来看,推荐系统相关技术的研究仍有很多问题和挑战亟需解决。本论文针对现有推荐系统方法对辅助信息的利用和特征提取、多源辅助信息的融合等问题展开研究,重点聚焦于如何高效地提取辅助信息特征以及如何处理多源辅助信息融合问题。论文的主要的研究工作如下:（1）针对辅助信息特征的高效提取问题,本文提出一种基于半自动编码器的协同过滤推荐算法。算法利用半自动编码器（Semi-Autoencoder）提取用户和物品的辅助信息特征,并将提取出来的特征通过映射矩阵分别映射到矩阵分解模型的用户和物品的隐含向量上,实现特征提取与矩阵分解模型联合学习,充分发挥辅助信息对矩阵分解模型的补充作用。实验结果表明本文提出的模型的推荐效果取得了有效的提升,验证了半自动编码器提取辅助信息特征的有效性。（2）针对多源辅助信息特征融合问题,本文提出了一种融合交互历史和辅助信息的深度协同过滤方法。将用户和物品的... 

【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】：53 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
abstract
第一章 绪论
    1.1 研究背景和意义
    1.2 国内外研究现状
    1.3 本文研究内容
    1.4 本文组织结构
第二章 相关技术与理论
    2.1 辅助信息特征提取
        2.1.1 自编码器基础结构
        2.1.2 降噪自编码器
        2.1.3 半自动编码器
    2.2 基于矩阵分解的协同过滤
    2.3 基于神经网络的推荐算法理论基础
    2.4 本章小结
第三章 基于半自动编码器的协同过滤推荐模型
    3.1 引言
    3.2 基于半自动编码器的协同过滤推荐模型
        3.2.1 模型相关符号
        3.2.2 Semi-Auto Encoder MF模型
    3.3 实验设计与分析
        3.3.1 实验设置
        3.3.2 实验结果分析
    3.4 本章小结
第四章 融合交互历史辅助信息的深度协同过滤模型
    4.1 引言
    4.2 融合交互历史辅助信息的深度协同过滤模型
        4.2.1 模型设计
        4.2.2 模型优化
    4.3 实验设计与分析
        4.3.1 实验设置
        4.3.2 实验结果分析
    4.4 本章小结
第五章 总结和展望
    5.1 全文总结
    5.2 未来工作展望
参考文献
攻读硕士学位期间的学术活动及成果情况


【参考文献】：
期刊论文
[1]基于自动编码器的协同过滤推荐算法[J]. 俞晨光,朱允斌,金城,陆斐.  微型电脑应用. 2015(11)

博士论文
[1]基于深度学习的智能推荐技术研究[D]. 符明晟.电子科技大学 2019



本文编号：3633174