基于深度学习的混合推荐模型研究

发布时间：2024-05-19 07:51

　　在互联网快速发展环境下,信息过载、用户需求不明确等现象越来越严重。推荐系统是大数据环境下的重要系统工具,用来使信息分发,准确及时高效。协同过滤推荐算法由于其简便高效性,被广泛应用于各种场景之中,但是随着用户和物品的数量增多,用户和物品的交互数据越来越稀疏,再加上受冷启动的影响,协同过滤推荐算法的性能逐步下降。随着深度神经网络技术的发展,深度学习展现出对异构数据优秀的表征能力,将深度学习应用于推荐算法成为如今的研究热点之一。针对协同过滤算法中评分数据稀疏性及冷启动现象,分析深度学习应用于推荐算法的研究现状,探讨如何更好的利用深度学习的优势来弥补推荐算法中存在的缺陷。从不同的角度提出了两种基于深度学习的混合推荐模型。主要的研究工作如下所示:1.提出一种基于深度学习的混合推荐模型HRS-DC。从辅助信息的角度入手,利用深度神经网络提取用户和项目的属性信息中的深层特征;利用添加注意力机制的卷积神经网络挖掘项目文本信息中的文本特征。将项目特征与用户特征输入神经协同过滤模型,拟合用户与项目之间的非线性关系,预测评分。2.提出一种基于改进对抗自编码器的协同过滤推荐模型cycle-CFAAE。从深度协...

【文章页数】：65 页

【学位级别】：硕士

【部分图文】：

图2-5矩阵分解示意图

河北大学硕士学位论文14图2-5矩阵分解示意图将预测评分矩阵R与真实评分矩阵rating相比较，通常我们对于这两个矩阵不能达到相等的精确程度，我们要做的是最小化他们之间的差距，这就变成了一个最优化问题。通过优化损失函数来找到u和v中合适的参数，损失函数的优化公式如公式2-5所示：....

图2-11卷积神输入层卷积层池化层卷积层特征提取

函数值的目的，常用的优化算法有随机梯度下降算法（Stochasticgradientdescent，SGD）、Adam（Adaptivemomentestimation）优化算法[52]。2.3.2卷积神经网络卷积神经网络（ConvolutionalNeura....

图2-12文本卷积网络(2)词向量模型

第二章相关技术简介19图2-12文本卷积网络(2)词向量模型利用文本卷积神经网络从商品评论信息或者项目描述信息中提取项目特征。首先，对其中的文本信息进行转化，常用的转化方式，有one-hot编码对类别信息进行转化，比如，商品中类别有数码、家居、食品、服装、图书、美妆、母婴、医药8....

图2-13栈式自编码器encoderdecoder

河北大学硕士学位论文20射过程如公式2-11所示：()eeez=fwx+b(2-11)()dddxfwzb=+(2-12)2||,||aelossxx=(2-13)如上述公式所示，将评分向量数据x作为输入，先在自编码器中的编码器中进行维度的压缩，数据在隐藏层中进行训练，W和b分别....

本文编号：3977819