基于社会感知的个性化推荐方法研究

发布时间：2024-03-20 22:28

　　个性化正在成为推荐领域的关键研究问题,如何将个人偏好纳入推荐模型是一个亟待解决的难点。之前的研究通常要求用户以某些方式明确表达他们对社交实体的偏好,这些方式既费时又费力。在线网站中用户与图像之间有丰富的交互信息,其中最常见的有为图片点赞,设置标签和分组等。在本文中,受到人类认知和行为相互影响的观察启发,我们尝试从社交媒体平台上的偏好行为中感受用户的偏好。通过这种方式,我们可以实现个性化的推荐,而不会给用户增加任何额外的负担,并在社交媒体平台上为广大群众服务。本文介绍的两个工作都与社交媒体中的推荐相关。第一个工作为了实现个性化美学图像推荐这一目标,我们收集了一系列专业照片和用户的交互数据,并考虑了用户个人偏好和通用审美标准,以处理用户偏好行为的不可靠性。此外,我们遵循协同过滤的思想,优化实体之间的成对排名,以缓解数据稀疏性问题。最后,开发了一种新颖的深度神经网络架构,用于个性化推荐建模。尽管不能明确地观察用户的真实偏好,但仍在两个基准数据集上进行了大量实验。结果证明了我们的个性化推荐方法的潜力。许多深度学习应用程序受益于具有多个回归和分类目标的多任务学习。在实际任务中,我们一般聚焦于优化...

【文章页数】：51 页

【学位级别】：硕士

【部分图文】：

图２－１：?ｌｏｇ－ｌｏｇ图显不了用户喜欢的图像数量的分布情况??ｘ轴表示每个用户喜欢的图像数量的降序排列??

从他们的照片中，我们随机收集了?５万张图片，浏览次数超过２０００??次。这些图像在主题、色彩、风格、布局等方面都有明显的差异，体现了它们在??美学方面的不同特征。另外我们收集了把这些专业照片标记为收藏的用户。图２－??１为用户喜欢的图片数量在用户中的分布情况。??１０４??—??....

图2一3个性化美学图像推荐的网络架构

?山东火学硕士学位论文???Ｌ?＝?－?Ｖ?Ｉｎ／？（／？?＞ｒ?）－／＾Ｖ?—Ｍ?（９－８）??这里正则化项是基于辦ｗ）和ｗ之间的余弦相似度来定义的，以便消除它们??数值大小的影响。；Ｉ是调整两个项的相对重要性的权衡（Ｔｒａｄｅｏｆｆ）参数。??

图2一4收集的专业照片和高美学测试图像之间的一些近似重复对

我们构建了一组用户图像测试对Ｔ＝｛（ｗ，／〇Ｕ；；ｅｚｕ）ｅｙ１／ｌ，并基于Ａ的??评估结果评估了《个性化表现。这背后的原理是，如果用户喜欢高美学图像的近??似图片，则该图像很可能也满足该用户的美学偏好。需要说明的是，我们从ｍ的??首选图像中删除了／，，，并且在训练个性化美学模型....

图2一5几参数的影响

山东火学硕士学位论文???．３．４调参??我们方法中的一个关键组成部分是在公式２－８中的权衡（ｔｒａｄｅｏｆｆ）参数１。??了探究Ａ的影响，我们将＾从１〇－３到１０＋４尺度上变化。观察到我们的方法的性??变化。图２－５展示了不同的Ａ数值给ＡＶＡ和ＣＵＨＫＰＱ的验证集的性能所带来?....

本文编号：3933402