面向协同过滤集成的哈希学习方法研究

发布时间：2024-04-02 02:02

　　随着网络服务的迅速发展,推荐系统在帮助人们高效利用各种信息方面扮演着越来越重要的角色。协同过滤推荐是构建和实现推荐系统的重要技术手段之一,其主要根据用户对物品的历史评分记录完成个性化推荐。但是,与之前相比,如今网络服务中用户和物品数量与日俱增,进而导致效率问题日趋成为阻碍推荐系统进一步发展的技术瓶颈。目前,常见的方法就是在协同过滤推荐中利用哈希算法将用户和物品的特征表示转换为二值编码,据此就可以在海明空间进行快速高效的推荐。然而,现有的一些协同过滤哈希学习算法由于对连续向量空间的数据几何建模过于简化且采用“两阶段”学习模式,这种处理方式通常会产生很大的编码损失,使得此类方法不得不采用较长的编码位数弥补损失,而长编码又会造成额外的开销,这与先前采用哈希算法寻求便捷高效的推荐动机背道而驰。有鉴于此,本文针对如何在协同过滤推荐中学习高质量的二值编码展开了深入的分析和讨论,具体内容如下:(1)针对由于对原空间数据建模过于简化所导致的较大编码损失,本文提出了一个二值协同过滤集成算法,该算法通过在海明空间的矩阵分解模型的基础上加入了基于用户和物品的锚点近似平滑约束项,使原始连续向量空间数据的近邻结...

【文章页数】：60 页

【学位级别】：硕士

【部分图文】：

图２－２相似性平滑项对ＢＣＦＥ表现性能的影响??

二值协同过滤集成推荐算法??本节对ＢＣＦＥ中的相似性平滑项以及锚点近似策略的重要性进行了实验验证。??图２－２给出了有无相似性平滑项ＢＣＦＥ的推荐表现，需要指出的是ＢＣＣＦ同ＢＣＦＥｎ??有相同的目标函数，即都无相似性平滑项，只是在算法优化上ＢＣＦＥｎ用的是ＤＢＧＤ??算法。图２....

图2一锚点近似策略对BCFE表现性能的影响

０．７２???．?０．７３?……］■】??＿?ＢＣＦＥ?口?ＢＣＦＥｎ?Ｓ?ＢＣＣＦ?■?ＢＣＦＥ?Ｄ?ＢＣＦＥｎ?＾?ＢＣＣＦ｜?０?７６?■?ＢＣＦＥ?Ｓ?ＢＣＦＥｎ?＾?ＢＣＣｑ??Ｓ?０．６９?３?０．６９?－?Ｓ?０?７２??｜?０．６６?Ｉ］?ｉ，?ｌ，?＾?＾?｜?....

图3一1物品辅助编码学习示意图

分别为：动作片（Ａｃｔｉｏｎ）、冒险片（Ａｄｖｅｎｔｕｒｅ）、动画片（Ａｎｉｍａｔｉｏｎ）、??儿童片（Ｃｈｉｌｄｒｅｎ）、喜剧片（Ｃｏｍｅｄｙ）、犯罪片（Ｃｒｉｍｅ）、纪录片（Ｄｏｃｕｍｅｎｔａｒｙ）、??戏剧（Ｄｒａｍａ）、幻想片（Ｆａｎｔａｓｙ）、黑色电影（Ｆｉｌｍ－Ｎｏｉ....

图3一用户辅助编码学习示意图

北京交通大学硕士学位论文?面向协同过滤集成的神经网络二值表示学习??３．１．２用户边信息特征辅助编码学习??在ＭｏｖｉｅＬｅｎｓ数据集中虽然电影有额外的类别边信息，但是却没有提供用户??的边信息，若想要为用户也提供一个额外的辅助编码，就需要用到电影的类别边??信息以及用户与物品的....

本文编号：3945646