基于长短期偏好深度联合建模的个性化推荐研究

发布时间：2023-04-11 21:48

　　在信息爆炸的时代,推荐系统扮演着不可或缺的角色,为人们的生活提供了诸多便利。作为人工智能领域重要的研究课题,推荐系统的研究越来越受到学术界和工业界的关注。近年来,随着技术的不断发展,深度学习在计算机视觉、自然语言处理等众多研究领域都取得了突破性进展,也为推荐系统的研究带来了新的机遇。目前,基于深度学习的推荐系统已经成为该领域的研究热点,许多深度推荐模型已经被开发出来,并被证明取得了极大的进步。然而,传统的推荐算法大多基于用户的长期偏好或短期偏好,对用户长短期偏好联合建模的研究尚且不足,因此基于用户长短期偏好的推荐系统是一个重要的研究方向。研究发现用户历史交互中的异常行为无法体现用户本身固有的偏好,如果不对这些异常行为加以甄别将损害推荐系统的性能。针对上述问题,本文主要的创新工作如下:(1)为了实现长期偏好和短期偏好的深度联合建模,提供更高质量的推荐结果,本文提出一种基于深度神经网络的长短期偏好推荐系统模型(Long and Short-term Preferences Model,LSPM)。LSPM利用LSTM网络和自注意力机制从用户最近的历史交互中学习用户的短期偏好,利用神经隐含因...

【文章页数】：54 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究背景
    1.2 研究内容与意义
    1.3 国内外研究概况
    1.4 论文安排
第二章 神经网络推荐系统概述
    2.1 推荐系统简介
    2.2 神经网络推荐系统分析
    2.3 本章小结
第三章 基于长短期偏好深度联合建模的个性化推荐
    3.1 长短期偏好对推荐结果影响分析
    3.2 LSPM模型框架与实现
    3.3 实验结果与分析
    3.4 本章小结
第四章 异常行为影响消除模型
    4.1 异常行为对推荐效果的影响
    4.2 UBEEM模型框架与实现
    4.3 实验结果与分析
    4.4 本章小结
第五章 总结与展望
    5.1 全文总结
    5.2 研究展望
致谢
参考文献
附录1 攻读学位期间发表论文目录及参与项目情况



本文编号：3789810