基于神经网络的影视推荐算法研究与应用

发布时间：2024-03-10 21:13

　　随着互联网不断的拓宽随之而来的大数据时代,使得网上各式各样的信息越来越多,造成了信息爆炸、信息超载,使得用户无法在短时间内分辨和获取想要的信息。推荐系统的功能就在于为用户提供关键的信息,推荐系统通过对用户的个人信息、历史数据进行算法深度挖掘,来得到用户的需求所在,最后给出一个个人特色推荐列表。协同过滤算法的核心思想是寻找具有相似行为的用户,即具有共同需求爱好的一个群体,算法更倾向于关注用户的历史行为,且不受新项目的影响,相较之下更具好的推荐精度。本文首先分析比较了基于内容和基于用户的协同过滤算法,并且在算法的实践优化过程中加入了聚类算法。协同过滤算法存在推荐准确度不高的情况,因此加入了根据时间的兴趣度计算来优化相似度公式,在计算用户相似度之前,使用了聚类算法用于聚类用户,将具有相似行为兴趣的用户聚合成一个类。如此一来可大大缩短实验阶段,用户间计算相似度的时间。实验表明相较于单一的推荐算法,在准确率、召回率的判定标准上混合推荐算法有进一步的提高。与此同时,自编码神经网络是一种无监督学习的深度网络模型,具有强大的隐层特征提取能力,因此提出了一种基于栈式降噪自编码器的混合推荐算法。首先,数据...

【文章页数】：48 页

【学位级别】：硕士

【部分图文】：

图3-6Softmax层训练Fig.3-6Softmaxlayertraining

哈尔滨理工大学工学硕士学位论文+1h1(2)h2(2)h1(1h2(11h3(11图3-5自编码训练Fig.3-5Self-codingtraining以将二阶特征(2)(k)h训练作为Softmax回归

图4-1α值对MAE值大小的影响

图4-1α值对MAE值大小的影响Fig.4-1TheeffectofαvalueonthesizeofMAE从上图可以得出，=0.1时，MAE最小，推荐效果最佳。这也间接说明了用户近期内的兴趣占比重较大，用户往往呈现出一种阶段性喜好，更喜欢近期....

图4-3不同算法性能比较

哈尔滨理工大学工学硕士学位论文在公式(2-12)中，的选择。相似度由两部分组成，类别喜爱度和类别关注度。平衡因子平衡两部分比重，逐次增加0.1，取值范围为[0,1]。取0.1，比较MAE的变化；如上图4-2所示：=0.4时，MAE最小代表效果最好，....

图4-4召回率随变化图

但是，当最近邻很多时，会带入与目标用户兴趣相差很大的其他用户，进一步导致预测的评分误差变大。如图4-4表示当K=100时(即选取100个邻居数)，在公式(3-17)中召回率随着权值的变化而变化的效果图。从图中可以看出，当值接近0.4时，召回率相对较大，算法表现良好，因此实....

本文编号：3925330