基于深度学习的信任感知推荐系统研究

发布时间：2024-12-11 01:09

　　在推荐系统研究领域,协同过滤推荐算法的应用和研究最为广泛,在一些推荐任务中取得一定成效。但是,协同过滤推荐算法单一考虑了用户的评分数据,存在数据稀疏性和冷启动问题,难以学习到用户与项目之间的强关联信息。作为浅层推荐模型,该算法无法获取到用户与项目间更深层次隐藏特征,导致推荐效果不理想。为缓解数据稀疏性和冷启动问题,信任信息被当作辅助信息加入到了推荐模型。然而,传统的信任感知推荐系统采用平衡用户自身偏好和信任用户偏好的方法进行推荐,仍然属于浅层推荐模型范畴,挖掘用户与项目间的更深层次隐藏特征的能力相对薄弱。除此之外,基于信任的推荐模型在处理用户对信任用户的相似度或注意力分配时,大多数是由用户的共同评分项进行计算,在极大程度上不能得到最优的注意力分配。以深度学习为代表的人工智能技术,为推荐模型的研究带来了契机。基于深度学习的推荐模型利用多层神经网络学习用户和项目交互信息,获取深层次隐藏特征,获得较好推荐效果。现有大部分模型都是基于矩阵分解的思想,并使用单一评分数据,对用户强关联信息表现出弱学习性,难以更进一步提升模型的推荐性能。本文融合了信任信息作为辅助信息,构建新的神经网络模型融合信任信息...

【文章页数】：66 页

【学位级别】：硕士

【部分图文】：

图2.2STE模型示意图

西南大学硕士学位论文10,,00min,,,,,,ijikTTijijCikikUVZRClRUVlCUZUVZ（2-4）该式包括用户历史评分信息、社交信任信息和正则化约束三部分，其中囊括三个待求特征向量各自的正则化项，,,Cl为SoRec将要学习的模型参数，并且直接对三个待求向....

图2.1SoRec模型示意图

西南大学硕士学位论文10,,00min,,,,,,ijikTTijijCikikUVZRClRUVlCUZUVZ（2-4）该式包括用户历史评分信息、社交信任信息和正则化约束三部分，其中囊括三个待求特征向量各自的正则化项，,,Cl为SoRec将要学习的模型参数，并且直接对三个待求向....

图2.3SocialMF模型示意图

章相关理论与技术111uTTuiuiuvvivNRUVTUV（2-5）其中Nu为某用户所有信任的集合，Tuv就是每个用户u对其信任朋友v的信任度，模型通过设定一个固定值1uN，以表示每个朋友对该用户的信任关系的一致性。但是，在现实世界中不同的信任朋友对不同用户的影响程度肯定不一样....

图2.4MLP推荐模型框架图

西南大学硕士学位论文12表示用户u的所有信任朋友的集合，Tu,v表示不同信任朋友对用户u的影响比重，该模型设定每个信任朋友对该用户的信任关系相同，那么在迭代学习用户的特征向量过程中，用户的特征向量会趋于其朋友信任特征向量的平均偏好。2.3深度学习相关技术及其在推荐算法中的应用深度....

本文编号：4015946