基于深度学习考虑深层特征的个性化推荐算法研究

发布时间：2024-12-30 00:37

　　移动通信网络的快速发展,使大量的资源冲击着人们的日常生活。从海量的信息中挑选出吸引用户的内容是增强用户体验和用户粘度的关键。为此,推荐算法得到了广泛的研究,可以为用户提供个性化的决策支持和信息服务。近年来,基于深度学习的推荐算法得到了较多研究,实验表明其相比传统推荐算法通常具有更优的性能。混合推荐算法将辅助信息融入传统推荐算法来解决该领域常面临的数据稀疏问题,但目前的利用方式还不够有效,且忽视了其中的深层特征。此外,其中的评论文本,包含了丰富的用户偏好和物品特征,现有推荐算法使用评论信息时面临许多问题,如信息丢失、引入噪声、丢失评分与评论的对应关系等。针对以上问题,本文开展深入研究,在深度学习框架下提取并利用用户和物品间的深层特征,提出了一种新的耦合协同过滤推荐算法,以及一种新的利用评论文本的推荐算法和一种新的同时对评论和评分进行建模的推荐算法。本文的主要工作如下:1.针对引入额外信息的混合推荐算法以及利用评论文本的推荐算法开展了深入研究,分析并总结出现有研究中存在的不足。2.提出了一种卷积协同过滤网络——CCFNets。目前先进的混合推荐模型使用辅助文本的方式有限且线性建模方法限制了推...

【文章页数】：83 页

【学位级别】：硕士

【部分图文】：

图2-2概率矩阵分解模型结构图

法通过填充缺失值来解决该问题，然而这种方面增加了计算量，另一方面，不准确的评噪声，降低了模型的性能。后来，学者建议正则项来避免过拟合[46]。模型的学习过程的有正则的均方误差来学习和，见公式￠∑()|....

图2-3LDA文档生成图

老师们快速走入课堂并开始教书。如果用统计关键词的方式，这两句话肯定是非常不相关的，因此主题模为一种挖掘文本语义的利器而诞生，其中LDA是一种比较有效的模型，它分析文本的语义从而判断文档相似性。在主题模型中，主题其实是一种类似于主旨的含义，包含了相关意思的都可以作为其中的一个元....

图2-4自编码器结构图

图2-4自编码器结构图[57]在进一步，堆叠去噪自编码器被提出用于增强去噪自编码器的学习能力。众所周知，深度学习的有效性常常归功于能够逐层学习从而将原始输入向指定任务所需要的特征进行转化。其中每一层能是在前一层的基础上，转化为更抽象特征表示[58,59]。堆叠去噪自编码器将前....

图2-5CNN文本处理结构图

电子科技大学硕士学位论文如图2-5所示，首先物品描述文档通过嵌入层，每个单词被转化为一个语义向量，所有语义向量拼接构成了整个文档的语义矩阵。然后以不同尺寸的卷积核作为划窗在文档语义矩阵中提取上下文特征，由于一个卷积核包括了大量的神经元，这些神经元可以在语义矩阵中找到模型关心的....

本文编号：4021523