基于深度学习的会话推荐方法研究

发布时间：2022-01-11 01:12

　　近年来,随着大数据、物联网、移动互联等技术的迅猛发展引发了数据规模的爆炸式增长。在大数据时代下,信息过载成为常态。在这种背景之下,用户和信息的提供者面临着诸多问题:对于信息提供者来说,如何将自己拥有的海量大数据信息按照用户的需要合理地展示给用户,提高用户体验,增加用户的满意度,是一项很艰巨的任务;对于用户来说,在海量的互联网信息中快速并且准确地寻找到自己真正感兴趣的信息,同样是一项很艰难的任务。为了能够很好地解决大数据时代下的这些问题,推荐系统应运而生。推荐系统的主要功能是帮助用户从海量的数据中快速而准确地寻找到自己真正感兴趣的信息。传统的推荐系统中,往往需要获得用户的相关信息以及用户的历史交易记录。但是,在现实的应用场景中,出于对用户个人隐私信息保密等因素,很多详细信息难以获取,会话推荐在这样的背景下被提出来。给定一个电商平台的具体应用场景,在这个应用场景中,出于用户隐私信息保护的原因,无法获取到用户的详细信息以及用户的历史交易记录,而会话推荐只需要用户的当前会话信息（用户在当前电商平台下点击查看的商品序列）就可以为其生成商品推荐列表,非常适合这种应用场景。在已有的会话推荐方法中,使... 

【文章来源】：辽宁大学辽宁省 211工程院校

【文章页数】：70 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 课题研究背景和意义
    1.2 研究现状
        1.2.1 基于聚类的推荐方法
        1.2.2 基于深度学习的会话推荐方法
    1.3 研究的主要内容
    1.4 论文组织结构
第二章 相关概念及技术
    2.1 会话推荐
        2.1.1 推荐系统的组成结构
        2.1.2 会话推荐的使用场景和概念描述
        2.1.3 会话中用户行为数据的介绍
    2.2 粗糙K-means方法
        2.2.1 聚类方法
        2.2.2 粗糙K-means方法
    2.3 深度学习相关技术
        2.3.1 深度学习技术的基本特点
        2.3.2 长短时记忆网络与门控循环单元网络
        2.3.3 交叉熵损失函数
    2.4 本章小结
第三章 自适应权重粗糙K-means方法
    3.1 问题提出
    3.2 方法描述
        3.2.1 下近似集与边界区域权重值度量
        3.2.2 用户会话个体对簇心影响程度的度量
        3.2.3 自适应权重度量
        3.2.4 方法的工作原理
    3.3 实验设置与结果分析
        3.3.1 实验环境和评价指标
        3.3.2 对比方法简介
        3.3.3 实验结果与分析
    3.4 本章小结
第四章 基于深度学习的会话推荐方法
    4.1 问题提出
    4.2 会话推荐的公式化描述
    4.3 强化会话中用户兴趣取向
        4.3.1 相关概念和公式描述
        4.3.2 强化用户兴趣取向的过程
    4.4 新增商品特征向量表示方法
    4.5 方法描述
        4.5.1 获取相似性用户
        4.5.2 强化会话中用户兴趣取向
        4.5.3 获取会话的特征向量表示
        4.5.4 生成推荐列表
    4.6 实验设置与结果分析
        4.6.1 实验环境与评价指标
        4.6.2 参数设置与对比方法介绍
        4.6.3 实验结果与分析
    4.7 本章小结
第五章 总结与展望
    5.1 总结
    5.2 展望
致谢
参考文献
攻读学位期间发表的学术论文及参加科研情况



本文编号：3581783