推荐结果多样性的评价方法及优化算法研究

发布时间：2024-01-21 07:59

　　推荐系统,作为挖掘用户历史数据的重要工具之一,已经被广泛应用于商业化平台。然而在过去的研究中,人们关注的推荐系统性能绝大多数都集中于准确率,导致热门商品被大量堆砌在用户面前,整体推荐结果同质化严重,因此多样性也开始成为业界衡量推荐算法质量的重要评价指标之一。目前评估推荐列表或推荐系统多样性的方法大多集中于对项目之间或者列表之间的不相似度简单地求均值的过程,这样的评价方法不足以充分反映推荐(列表)系统多样性细节。与此同时,大部分推荐算法在推荐过程中,只考虑了评分信息,没有利用用户和项目的属性信息,而在利用评分进行推荐时,又只关心评分数值的大小,忽略了其在项目的所有用户评分中的排名。本文立足于推荐系统的多样性,针对列表级和系统级评价问题,提出了两种改进的方法及相应指标;针对属性信息和评分排名问题,提出了一种结合属性嵌入神经网络和二次排序的多样性优化推荐算法。本文的主要工作如下:(1)针对列表级评价中项目位置和流行度带来的影响,提出了结合归一化累积表现-位置因子积的多样性评价方法以及NCIP指标。NCIP指标吸收了新颖性指标和NDCG指标的思想,结合归一化项目流行度和推荐列表中的位置信息作为...

【文章页数】：85 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
ABSTRACT
1 引言
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 多样性评价方法
        1.2.2 多样性优化算法
    1.3 论文主要工作及创新点
    1.4 论文主要安排
2 推荐系统及算法
    2.1 推荐系统基本架构
    2.2 常见离线推荐算法
        2.2.1 协同过滤推荐算法
        2.2.2 基于矩阵分解的推荐算法
        2.2.3 基于内容的推荐算法
        2.2.4 基于社交网络的推荐算法
    2.3 推荐系统离线测评方法及指标
        2.3.1 准确率相关指标
        2.3.2 多样性相关指标
    2.4 本章小结
3 多样性评价方法及指标改进
    3.1 问题描述
        3.1.1 归一化项目流行度和用户活跃度
        3.1.2 项目集和用户集划分
    3.2 结合归一化累积表现-位置因子积的多样性评价方法
        3.2.1 多样性表现-位置因子积
        3.2.2 评价方法及指标设计
    3.3 结合多样性需求因子和准确率的多样性评价方法
        3.3.1 多样性需求因子
        3.3.2 评价方法及指标设计
    3.4 多样性指标评价能力仿真
    3.5 本章小结
4 结合属性嵌入神经网络和二次排序的多样性优化推荐算法
    4.1 问题描述
    4.2 预处理与词嵌入
        4.2.1 数据预处理
        4.2.2 词嵌入思想
    4.3 属性嵌入神经网络推荐模型
        4.3.1 模型框架
        4.3.2 卷积层和池化层
        4.3.3 dropout和全连接层
        4.3.4 模型训练
    4.4 逆向推荐和二次排序
        4.4.1 逆向推荐
        4.4.2 二次排序
    4.5 仿真结果与分析
        4.5.1 算法参数分析
        4.5.2 算法多样性分析
    4.6 本章小结
5 总结与展望
    5.1 全文总结
    5.2 研究工作展望
参考文献
作者简历及攻读硕士学位期间取得的研究成果
学位论文数据集



本文编号：3881536