基于注意力机制的深度推荐模型的研究与应用

发布时间：2022-10-11 12:20

　　为了解决互联网中的信息过载问题,推荐系统已经被广泛地运用于各种应用中,例如视频网站、电商平台等。从数字电视发展而来,IPTV使观众能够以更方便、更高效的方式访问多媒体内容。尤其是,IPTV提供的交互式服务,使得观众能够在任何时候观看优选的内容。然而,随着可用内容的不断增加,IPTV也面临着“用户选择困难”的窘境。因此,IPTV运营商发展推荐系统向观众提供个性化服务。本文以面向IPTV应用的推荐模型为主要研究内容,使用了深度学习中的注意力机制来构建相应的推荐模型。具体来讲,针对IPTV应用中的隐式反馈问题,提出了模型Transformer with Fusion对用户的行为序列建模;针对IPTV账户由家庭用户共享的问题,提出了模型Trans-LSTP对用户的行为序列建模。论文主要完成了以下三个方面的工作。1.根据用户的序列行为,本文提出了基于Transformer和MLP的Transformer with Fusion,来解决IPTV应用中根本不存在显示反馈、而存在大量隐式反馈的问题。具体而言,基于Transformer的语义层对用户的历史顺序行为进行建模,并将目标影片进行解码来获得用户... 

【文章页数】：78 页

【学位级别】：硕士

【部分图文】：

经典的多层感知机结构

常用的S型激活函数

ReLU函的曲线图


本文编号：3690563