基于人格信息的跨域推荐关键技术研究
发布时间：2022-11-03 18:25
随着互联网信息的暴增,在信息呈现指数增长的互联网时代,人们通过网络获取有意义和有价值的信息的代价和成本越来越高,信息的获取越来越困难,这也催生了当前的智能推荐技术的发展,从目前来看,大部分的网站和平台都应用了智能化的推荐技术来为客户提供信息服务,以让客户快速的找到其想要的信息内容,但是从实际的使用情况来看,目前的信息推荐系统的推荐准确度和用户的满意度依然还有待进一步的提高,这也是未来互联网信息增长的长期需求,在这一背景下,本文从人格信息的角度进行思考,将人格信息融入到用户信息推荐系统的设计中,以跨域推荐系统的构建和设计思想,基于社交网络平台的用户信息实现了在电子商务平台上进行跨域推荐的算法设计,通过该算法有效的提高了跨域推荐的准确性和效率,本文的主要研究内容如下:1)对跨域推荐系统的基本结构,深度神经网络技术和大五人格理论进行了研究,从跨域推荐系统的基本结构入手进行分析,针对跨域通信中的推荐不准确和无法适用新用户和新项目的冷启动问题,提出了引入大五人格信息和深度神经网络技术解决方案;2)完成了社交平台用户人格信息自动匹配算法的设计,针对人格信息存在的潜在影响和决定用户行为和决策的特点,...
【文章页数】：60 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 研究背景和意义
1.2 国内外研究现状
1.2.1 跨域推荐技术研究现状
1.2.2 基于人格信息的推荐相关技术研究现状
1.3 主要研究内容及创新
1.4 本文组织结构
第2章 跨域推荐系统及技术基础
2.1 跨域推荐系统
2.2 深度神经网络技术
2.2.1 神经网络及学习过程
2.2.2 深度神经网络模型及训练过程
2.2.3 深度神经网络在推荐系统中的应用
2.3 大五人格理论
2.4 本章小结
第3章 社交平台用户人格信息匹配算法
3.1 算法基本思路
3.2 基于大五人格理论的用户人格匹配方法
3.2.1 BFM评分表的确定
3.2.2 人格因素值计算及用户五维人格评分
3.3 社交平台用户人格自动匹配算法实现流程
3.4 实验仿真分析
3.4.1 实验数据来源
3.4.2 对比模型
3.4.3 实验设计
3.4.4 实验结果及分析
3.5 本章小结
第4章 基于用户人格信息的深度神经网络跨域推荐算法
4.1 算法基本思路
4.2 融入人格信息的协同过滤算法
4.3 跨域深度神经网络模型构建
4.3.1 跨域深度神经网络模型
4.3.2 重要参数设置
4.3.3 训练过程
4.4 基于人格感知的深度神经网络跨域推荐算法
4.4.1 算法整体方案设计
4.4.2 各辅助域上特征信息的提取
4.4.3 深度网络神经算法训练模块设计
4.5 实验仿真分析
4.5.1 实验数据来源
4.5.2 对比模型
4.5.3 实验设计
4.5.4 实验结果及分析
4.6 本章小结
第5章 结论
参考文献
攻读硕士期间发表的学术论文和取得的科研成果
致谢
附录1
【参考文献】：
期刊论文
[1]基于注意力机制与评论文本深度模型的推荐方法[J]. 黄文明,卫万成,张健,邓珍荣. 计算机工程. 2019(09)
[2]基于深度学习的图书馆服务研究[J]. 唐姗姗,吴朋有娣,王战林,李慧. 图书情报导刊. 2018(11)
[3]国家自然科学基金推荐系统研究领域资助分析[J]. 楚涵婷,邢星,孟志鑫,贾志淳. 计算机工程与应用. 2019(09)
[4]一种知识图谱的排序学习个性化推荐算法[J]. 杨晋吉,胡波,王欣明,伍昱燊,赵淦森. 小型微型计算机系统. 2018(11)
[5]基于深度学习的短视频中的物体检测与内容推荐系统研究[J]. 石殷巧,刘守印,马超. 计算机与现代化. 2018(11)
[6]基于双层注意力机制的深度学习电影推荐系统[J]. 肖青秀,汤鲲. 计算机与现代化. 2018(11)
[7]深度学习视角下基于多模态知识图谱的MOOC课程重构[J]. 王亮. 现代教育技术. 2018(10)
[8]基于深度学习的视频背景音乐自动推荐算法研究[J]. 吕军辉. 电视技术. 2018(10)
[9]DeepEye:一个基于深度学习的程序化交易识别与分类方法[J]. 徐广斌,张伟. 大数据. 2018(05)
[10]基于深度学习的多交互混合推荐模型[J]. 李同欢,唐雁,刘冰. 计算机工程与应用. 2019(01)
博士论文
[1]基于多样化内容数据的个性化推荐系统[D]. 练建勋.中国科学技术大学 2018
硕士论文
[1]基于改进SVD和迁移学习的矩阵分解推荐算法研究[D]. 魏港明.北京交通大学 2018
[2]面向概念的描述词推荐算法研究及图书专题自动生成应用[D]. 刘佳卉.浙江大学 2018
[3]基于交叉用户的跨域推荐算法研究与实现[D]. 王游.西安电子科技大学 2017
[4]多维数据融合的电影推荐系统研究与实现[D]. 杨笑锋.昆明理工大学 2018
[5]互联网信息存储检索优化及推荐技术研究[D]. 姚崇崇.哈尔滨工业大学 2016
[6]基于用户性格的协同过滤推荐研究[D]. 全智超.首都师范大学 2014
本文编号：3700397
【文章页数】：60 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 研究背景和意义
1.2 国内外研究现状
1.2.1 跨域推荐技术研究现状
1.2.2 基于人格信息的推荐相关技术研究现状
1.3 主要研究内容及创新
1.4 本文组织结构
第2章 跨域推荐系统及技术基础
2.1 跨域推荐系统
2.2 深度神经网络技术
2.2.1 神经网络及学习过程
2.2.2 深度神经网络模型及训练过程
2.2.3 深度神经网络在推荐系统中的应用
2.3 大五人格理论
2.4 本章小结
第3章 社交平台用户人格信息匹配算法
3.1 算法基本思路
3.2 基于大五人格理论的用户人格匹配方法
3.2.1 BFM评分表的确定
3.2.2 人格因素值计算及用户五维人格评分
3.3 社交平台用户人格自动匹配算法实现流程
3.4 实验仿真分析
3.4.1 实验数据来源
3.4.2 对比模型
3.4.3 实验设计
3.4.4 实验结果及分析
3.5 本章小结
第4章 基于用户人格信息的深度神经网络跨域推荐算法
4.1 算法基本思路
4.2 融入人格信息的协同过滤算法
4.3 跨域深度神经网络模型构建
4.3.1 跨域深度神经网络模型
4.3.2 重要参数设置
4.3.3 训练过程
4.4 基于人格感知的深度神经网络跨域推荐算法
4.4.1 算法整体方案设计
4.4.2 各辅助域上特征信息的提取
4.4.3 深度网络神经算法训练模块设计
4.5 实验仿真分析
4.5.1 实验数据来源
4.5.2 对比模型
4.5.3 实验设计
4.5.4 实验结果及分析
4.6 本章小结
第5章 结论
参考文献
攻读硕士期间发表的学术论文和取得的科研成果
致谢
附录1
【参考文献】：
期刊论文
[1]基于注意力机制与评论文本深度模型的推荐方法[J]. 黄文明,卫万成,张健,邓珍荣. 计算机工程. 2019(09)
[2]基于深度学习的图书馆服务研究[J]. 唐姗姗,吴朋有娣,王战林,李慧. 图书情报导刊. 2018(11)
[3]国家自然科学基金推荐系统研究领域资助分析[J]. 楚涵婷,邢星,孟志鑫,贾志淳. 计算机工程与应用. 2019(09)
[4]一种知识图谱的排序学习个性化推荐算法[J]. 杨晋吉,胡波,王欣明,伍昱燊,赵淦森. 小型微型计算机系统. 2018(11)
[5]基于深度学习的短视频中的物体检测与内容推荐系统研究[J]. 石殷巧,刘守印,马超. 计算机与现代化. 2018(11)
[6]基于双层注意力机制的深度学习电影推荐系统[J]. 肖青秀,汤鲲. 计算机与现代化. 2018(11)
[7]深度学习视角下基于多模态知识图谱的MOOC课程重构[J]. 王亮. 现代教育技术. 2018(10)
[8]基于深度学习的视频背景音乐自动推荐算法研究[J]. 吕军辉. 电视技术. 2018(10)
[9]DeepEye:一个基于深度学习的程序化交易识别与分类方法[J]. 徐广斌,张伟. 大数据. 2018(05)
[10]基于深度学习的多交互混合推荐模型[J]. 李同欢,唐雁,刘冰. 计算机工程与应用. 2019(01)
博士论文
[1]基于多样化内容数据的个性化推荐系统[D]. 练建勋.中国科学技术大学 2018
硕士论文
[1]基于改进SVD和迁移学习的矩阵分解推荐算法研究[D]. 魏港明.北京交通大学 2018
[2]面向概念的描述词推荐算法研究及图书专题自动生成应用[D]. 刘佳卉.浙江大学 2018
[3]基于交叉用户的跨域推荐算法研究与实现[D]. 王游.西安电子科技大学 2017
[4]多维数据融合的电影推荐系统研究与实现[D]. 杨笑锋.昆明理工大学 2018
[5]互联网信息存储检索优化及推荐技术研究[D]. 姚崇崇.哈尔滨工业大学 2016
[6]基于用户性格的协同过滤推荐研究[D]. 全智超.首都师范大学 2014
本文编号：3700397
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3700397.html
最近更新
教材专著
