基于隐式反馈的个性化推荐算法研究

发布时间：2024-04-24 05:36

　　随着互联网信息过载的日益明显,推荐系统因为能为用户自动找到感兴趣的信息而得到越来越广泛的关注。推荐算法是推荐系统的核心,对推荐算法引起广泛关注始于以Netflix电影推荐为代表的评分预测问题。而随着用户使用习惯和心理预期的变化,以视频、音乐等为代表的娱乐平台需要基于隐式反馈进行推荐,这类问题往往比显式反馈推荐更加复杂。同时,随着深度学习在图像处理和自然语言处理领域取得重大突破,有更多的学者开始投入到基于深度学习的推荐算法的研究中,且取得了一定的进展。本文研究基于隐式反馈的个性化推荐算法。提出了一种基于嵌入共享的SE-WDL融合模型,首先对用户行为记录进行不同维度的统计学特征提取,然后对于统计特征、用户和物品元属性稀疏特征、ID超稀疏特征、用户行为序列组合特征分别设计Wide模块、Deep模块、LSTM模块,并采取Deep和LSTM嵌入共享以及联合训练的方式实现属性特征、统计特征和行为序列信息的充分融合。针对现有使用的模型对于用户不同类型的隐式反馈行为没有区分度,以及用户某些重要类型的反馈行为数据稀疏导致特征重要性低,而影响推荐系统个性化性能的问题,本文着重研究了基于用户行为类型的特征嵌...

【文章页数】：88 页

【学位级别】：硕士

【部分图文】：

图２．２物品－用户倒排表示意图??利用求得的相似度来预估用户对物品的喜好程度，在基于物品的推荐算法中，??

将很多资源浪费在了计算这种用户之间的相似度上。一个改进的方法是采用倒排??表，先筛选出有共同行为的用户对ｂ，ｖ），再计算他们之间的相似度。计算用户相??似度时，建立物品到用户的倒排表示意图如图２．２所示。??用户?物品?ａ?１：２：??？?ｉｂ?ｄ＾＿?［?ｂ?：?０?（？）??....

图２．３?ＤＮＮ结构示意图??

年提出［７６］，在感知机（Ｐｅｒｃｅｐｔｒｏｎ）的基础上加入隐藏层（ｈｉｄｄｅｎｌａｙｅｒ）和非线性??激活函数（ａｃｔｉｖａｔｉｏｎ?ｆｕｎｃｔｉｏｎ），从而演变为非线性函数，可以学习到复杂的非线??性任务，其模型基本结构如图２．３所不，一般包括输入层（ｉｎｐｕｔ?ｌａｙｅｒ）....

图２．４?ＲＮＮ结构示意图??

在神经网络模型中，最早能够学习序列信息的模型是循环神经网络（Ｒｅｃｕｒｒｅｎｔ??ＮｅｕｒａｌＮｅｔｗｏｒｋ，ＲＮＮ）模型，曾被广泛运用于自然语言处理任务中，以学习语句??中前面的单词对当前单词预测的影响。ＲＮＮ模型的结构图如图２．４，其每个隐藏??层的输入，除了当下时刻的数据输....

图２．５?ＬＳＴＭ细胞结构示意图??１６??

浙江大学硕士学位论文?第２章个性化推荐算法及相关技术??重复模块结构如图２．５所示，不同于ＲＮＮ的重复模块只包含一个筒单结构（通??常是ｔａｎｈ），?ＬＳＴＭ的神经元结构包含遗忘门（ｆｏｒｇｅｔ?ｇａｔｅ）、输入门（ｉｎｐｕｔ?ｇａｔｅ）??和输出门（ｏｕｔｐｕｔ?ｇａｔｅ），遗....

本文编号：3963307