基于协同过滤技术的物品选购推荐系统设计

发布时间：2024-03-12 03:22

　　推荐系统是机器学习领域一个大的分支,推荐系统的设计指推荐系统模型或算法的设计。本文主要研究推荐系统领域中协同过滤算法与深度学习融合模型。推荐系统设计是将用户与商品的部分信息作为输入,通过设计模型得到用户的商品推荐列表。本文主要解决协同过滤推荐系统中用户冷启动问题。为了解决上述情况,本文提出了两个融合深度学习的协同过滤推荐系统模型,商品嵌入协同过滤推荐系统模型和隐式反馈协同过滤推荐系统模型。本文主要包括以下几个方面的工作:本文提出了一种商品嵌入方法,并利用神经网络得到一个基于隐式反馈的商品嵌入协同过滤推荐系统模型。该推荐系统对隐式数据进行处理并深入挖掘用户与商品之间的潜在关系,通过对文本嵌入算法改进,得到商品嵌入方法,将用户对所有商品的购买次数和目标商品与其他商品成对购买次数映射到一个深度特征空间中。与其他相关推荐系统相比较,该推荐系统使用两个共享参数的神经网络,得到目标用户推荐商品序列。本文提出了一种隐式反馈协同过滤推荐系统模型,对推荐系统中的冷启动问题提出改进方案。与传统的结合方法相比较,本模型不仅考虑“用户与商品”的交互信息而且考虑“商品与商品”相关性信息同时作为模型输入。本模型将...

【文章页数】：75 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究工作的背景与意义
    1.2 基于深度学习的协同过滤推荐系统国内外研究历史与现状
    1.3 本文的主要工作与创新
    1.4 本论文的结构安排
第二章 深度学习协同过滤推荐系统相关技术
    2.1 神经协同过滤
        2.1.1 NCF学习过程
        2.1.2 多层感知机
        2.1.3 神经矩阵分解
        2.1.4 模型与训练过程
    2.2 深度协同过滤NCF
    2.3 混合神经协同过滤CCF
    2.4 本章小结
第三章 商品嵌入协同过滤推荐系统模型
    3.1 模型概述
    3.2 模型中相关技术介绍
        3.2.1 文本嵌入与商品嵌入
        3.2.2 模型中的负采样技术
    3.3 融合深度学习的商品嵌入协同过滤推荐系统模型
    3.4 模型实验结果及分析
        3.4.1 数据集与评价指标
        3.4.2 验证模型商品嵌入效果
        3.4.3 整合模型试验结果及分析
        3.4.4 模型运行效率实验
    3.5 商品嵌入协同过滤推荐系统模型在网页中的应用框架
    3.6 本章小结
第四章 隐式反馈协同过滤推荐系统模型
    4.1 模型概述
    4.2 模型相关技术介绍
        4.2.1 基于商品的协同过滤技术
        4.2.2 推荐系统中的循环神经网络
    4.3 基于神经网络的隐式反馈协同过滤推荐系统模型
        4.3.1 用户与商品交互模型
        4.3.2 模型中商品与商品交互部分
        4.3.3 整合模型
    4.4 模型实验结果及分析
        4.4.1 实验数据与评价指标
        4.4.2 待比较模型、优化策略
        4.4.3 模型召回率实验
        4.4.4 验证模型在冷启动问题上的表现
        4.4.5 验证不同采样率以及嵌入维度对模型性能的影响
    4.5 隐式反馈协同过滤推荐系统模型的应用框架
    4.6 本章小结
第五章 全文总结与展望
    5.1 全文总结
    5.2 后续工作展望
致谢
参考文献



本文编号：3926460