基于深度学习的图书推荐系统研究

发布时间：2023-04-05 11:26

　　随着信息科技发展,网络图书商城的出现,使得大众足不出户便可购买各类图书产品,极大促进了社会文化传播。然而面对浩繁的图书,大众要找到符合自身兴趣的图书,是一件困难的事情。传统图书推荐系统为解决这一问题做出了贡献,但是传统图书推荐系统始终遭受着诸如稀疏性和冷启动等问题的困扰。与此同时,深度学习无论是在工业界还是学术界都获得了极大的关注,它在诸如自然语言处理,图像处理和语音识别等领域获得了巨大的成功,是一项仍然具有巨大潜力的先进技术。如果能把深度学习技术应用在图书推荐系统上提升推荐性能,将具有巨大的发展前景和社会意义。本文在多层感知器、堆叠降噪自编码器(Stack Denoising Auto-Encoder,SDAE)等深度学习技术与推荐系统结合,以及辅助信息特征预处理等方面进行了研究,主要工作如下:(1)面对隐式反馈数据场景,在深入研究基于神经网络的协同过滤算法(Neural network based collaborative filtering,NCF)的基础上,针对其只利用隐式反馈数据,易受稀疏性问题制约的情况,提出了基于NCF的改进图书推荐算法,该算法将隐因子空间划分为辅助信息...

【文章页数】：72 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 课题来源
    1.2 课题研究背景、目的及意义
    1.3 相关领域国内外研究现状
        1.3.1 传统推荐系统
        1.3.2 基于深度学习的推荐系统的研究现状
    1.4 论文主要研究内容与组织结构
        1.4.1 论文主要研究内容
        1.4.2 论文的组织结构
第2章 基于NCF的改进图书推荐算法
    2.1 用户与图书辅助信息的特征提取
        2.1.1 结构化数据的特征提取
        2.1.2 非结构化数据的特征提取
    2.2 基于NCF的改进图书推荐算法
        2.2.1 基于神经网络的协同过滤
        2.2.2 基于NCF的改进图书推荐算法
    2.3 实验设置与结果分析
        2.3.1 实验设置
        2.3.3 实验结果及分析
    2.4 本章小结
第3章 基于SDAE的改进图书推荐算法
    3.1 特征预处理
        3.1.1 居住地特征
        3.1.2 基于SIF的句向量
        3.1.3 用户特征向量与图书特征向量
    3.2 基于SDAE的改进图书推荐算法
        3.2.1 堆叠降噪自编码器
        3.2.2 基于SDAE的改进图书推荐算法
    3.3 实验设置与结果分析
        3.3.1 实验设置
        3.3.2 实验结果及分析
    3.4 本章小结
第4章 个性化图书推荐系统的设计与实现
    4.1 系统需求分析
    4.2 系统设计总览
    4.3 系统各模块详细设计
        4.3.1 用户交互模块详细设计
        4.3.2 推荐引擎模块详细设计
        4.3.3 后台管理模块详细设计
    4.4 数据库设计
    4.5 系统各模块实现
        4.5.1 用户交互模块实现
        4.5.2 推荐引擎模块实现
        4.5.3 后台管理模块实现
    4.6 系统测试
        4.6.1 功能测试
        4.6.2 性能测试
    4.7 本章小结
第5章 总结与展望
    5.1 全文工作总结
    5.2 后续工作展望
致谢
参考文献



本文编号：3783329