基于类别偏好和表示学习的推荐算法的研究

发布时间：2020-12-21 06:27

　　推荐系统在信息过载时代给人们带来了方便,从而使推荐算法成为了研究热点。协同过滤推荐算法因其简单方便,而受到了广泛研究。但是传统的协同过滤推荐算法存在着数据稀疏的问题。针对这一问题,通常的做法是加入用户和项目的辅助信息。本文考虑类别偏好和异构信息网络中用户和项目信息来提高推荐性能,主要提出了以下两种推荐算法:传统的基于类别信息的推荐算法中往往把类别信息作为辅加信息,并没有考虑项目和类别之间多对多的关系。针对这一问题,提出基于组合类别空间的矩阵分解推荐算法。首先,定义组合类别空间,使项目和组合类别具有一对一的关系。其次,在组合类别空间上定义语义关系和语义距离,把用户的浏览行为、项目的类别以及用户与类别的关系等各种信息更好地融合在一起。最后,建立基于矩阵分解的用户和项目的隐含特征模型,更好的表现了商品类别与用户兴趣偏好的关系。实验结果表明,推荐的性能有明显的提高。为了解决基于异构网络的推荐算法中异构信息难以抽取的问题,并利用神经网络学习用户和项目的交互信息,提出基于异构网络特征表示的深度学习推荐算法。首先,构建用户和项目的异构信息网络,定义用户和项目的交互元路径,使得异构信息便于抽取,用户浏... 

【文章来源】：中国民航大学天津市

【文章页数】：58 页

【学位级别】：硕士

【部分图文】：

单个神经元模型

1ni iix w b= + 一般是非线性函数，把输入值变成理想的输出值。目前、Relu 等。计算公式如式 2.10、2.11：( )11xxe =+( )00 0x xxx ≥= < 元组合起来，就会形成一个像人的大脑一样的神经网络能力。神经网络一般由输入层、隐藏层和输出层组成。藏层的神经网络，输入层一般是输入数据特征表示的向的输入，隐藏层和输入层之间通过神经元的全连接进行

3344,c},{c},{c}333， c cc∈C123, ,。用户的集合用 {u,u,...u}12mU =表数，项目的集合用 {,,...,}1 2nI = iii表示，其中 n 是项目的}hc表示项目的基本类别集合，其中项目的基本类别总个数用 h素hc 都表示项目所具有的类别信息，比如，悲剧类型等，nB， B (i,:)表示项目i 的类别信息，如果项目i 属于类别属性hc 都分别对应着一个组合类别，每个组合类别都是由基本的类别集合分别看作一个整体，可以把实现项目与类别属性信息间一部电影既属于{Adventure}又属于{Comedy}，那么电影对，Comedy }，即电影与类别间一对二的关系被表示为一对一的

【参考文献】：
期刊论文
[1]融合时间和类型特征加权的矩阵分解推荐算法[J]. 石鸿瑗,孙天昊,李双庆,侯湘.  重庆大学学报. 2019(01)
[2]结合物品类型和密度峰值聚类的协同过滤推荐算法[J]. 陈帆,孙自强.  华东理工大学学报(自然科学版). 2018(06)
[3]基于循环神经网络的推荐算法[J]. 高茂庭,徐彬源.  计算机工程. 2019(08)
[4]基于深度神经网络的推荐算法[J]. 程磊,高茂庭.  现代计算机(专业版). 2018(22)
[5]基于项目评分与类型评分聚类的推荐算法[J]. 段元波,高茂庭.  计算机工程. 2018(06)
[6]基于异构网络面向多标签系统的推荐模型研究[J]. 王瑜,武延军,吴敬征,刘晓燕.  软件学报. 2017(10)
[7]基于异构网络分析的智能医疗推荐系统研究[J]. 李朋,余中心,李宁,肖兵,赵耀,文俊浩.  中国卫生信息管理杂志. 2013(06)



本文编号：2929362