基于降噪自编码器的信任感知协同过滤推荐算法研究

发布时间：2023-02-16 17:43

　　随着网络平台的流行和网络信息的急剧增多,如今互联网中的信息量已经远远超出了人们的需求范围。海量数据的涌现反而使信息的利用率降低,如何快速、准确地在庞大的数据中定位到有用的信息是一个急需解决的问题。推荐系统的出现极大地缓解了这种难题,它在大数据的背景下为用户与商品之间建立了联系,从而有效地提高了用户满意度和商家效率。协同过滤是一种重要的推荐算法,也是目前最常见的预测用户喜好的方法。然而,传统的协同过滤仅通过评分信息推测用户的偏好,由于评分数据稀疏问题,推荐的质量会受到严重的影响。此外,传统的协同过滤中只含有线性的运算,无法提取数据中的非线性因素,这也会使算法的性能受限。基于以上问题,本文在降噪自编码器的基础上提出了两种信任感知的预测模型,主要工作如下:(1)提出了整合显式信任信息的评分预测模型TDAE。首先,将用户在社交网络中的显式信任信息处理成有效的向量表示;其次,使用降噪自编码器整合用户的评分和显式信任关系;最后,通过神经网络的非线性运算获得更精准的用户偏好。(2)提出了整合隐式信任信息的评分预测模型TDAE++。首先,选择皮尔森相关系数的改进算法从用户的评分中提取隐式的信任关系;其...

【文章页数】：44 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 引言
    1.1 研究背景
    1.2 研究意义
    1.3 研究现状
    1.4 研究内容及组织结构
        1.4.1 研究内容
        1.4.2 本文组织结构
第二章 推荐系统相关知识概述
    2.1 推荐系统简介
    2.2 推荐系统算法概述
        2.2.1 基于内容的推荐
        2.2.2 协同过滤
        2.2.3 混合推荐
    2.3 信任数据在推荐系统中的应用
        2.3.1 信任数据
        2.3.2 信任关系度量方法
        2.3.3 信任感知的推荐算法
    2.4 本章小结
第三章 自编码器相关知识概述
    3.1 自编码器
    3.2 降噪自编码器
    3.3 自编码器的应用
        3.3.1 CFN
        3.3.2 aSDAE
    3.4 本章小结
第四章 整合信任信息的推荐算法研究
    4.1 显式信任数据与降噪自编码器的整合
        4.1.1 数据处理
        4.1.2 显式信任信息的整合
    4.2 隐式信任数据与降噪自编码器的整合
        4.2.1 隐式信任信息处理
        4.2.2 隐式信任信息的整合
    4.3 损失函数
    4.4 本章小结
第五章 实验结果与分析
    5.1 数据集
    5.2 对比方法
    5.3 评估指标
    5.4 实验实施细节
    5.5 实验结果及分析
    5.6 本章小结
第六章 总结与展望
    6.1 总结
    6.2 展望
参考文献
致谢
在学期间公开发表论文及著作情况



本文编号：3744216