面向异质环境的用户建模与推荐方法研究

发布时间：2022-10-21 15:51

　　在信息爆炸时代,用户常常难以从海量互联网数据中找到感兴趣的内容,而个性化推荐系统则能够根据用户建模结果,主动发掘出用户可能感兴趣的信息并将其推荐给用户,在满足用户信息需求的同时提升用户体验。因此,推荐系统成为了互联网中一类不可或缺的服务。推荐系统的研究往往离不开用户建模,因为只有更有效地开展用户建模,系统才能更准确地理解用户兴趣,为其提供精准服务。用户建模与推荐系统的构建依赖于合理地使用用户的已有信息。而用户往往会使用种类繁多的网络服务和应用,然后在这些异质环境产生各类跨模态、跨领域或跨平台的异质用户信息。这些信息来自不同的数据场景,分布和特性往往有差别。因此,如何整合多源异质数据已成为用户建模与推荐方法研究中的重要挑战,但也为研究带来了新的机遇:首先,现有的用户建模研究工作主要利用文本模态信息,较少工作使用了多模态异质信息;其次,大部分推荐算法主要使用推荐场景中的用户信息,冷启动问题将制约算法的表现;第三,知识信息（如:商品的互补关系）可能能帮助改善推荐结果,但这些知识信息与用户信息为异质信息。针对以上挑战,本文开展了面向异质环境的用户建模与推荐研究:（1）我们针对用户属性建模,设计... 

【文章页数】：115 页

【学位级别】：博士

【文章目录】：
摘要
abstract
第1章 引言
    1.1 研究背景
    1.2 研究问题及主要挑战
    1.3 研究框架
    1.4 研究内容
第2章 面向多模态异质信息的用户建模与应用
    2.1 本章引言
    2.2 用户角色建模相关工作
        2.2.1 用户属性建模的相关研究
        2.2.2 用户角色建模相关工作
        2.2.3 用户角色影响分析的相关研究
    2.3 引入多模态信息的用户角色建模
        2.3.1 研究问题及背景
        2.3.2 用户角色建模框架
        2.3.3 实验设置
        2.3.4 实验结果分析
    2.4 结合心理学理论的用户角色影响研究
        2.4.1 研究问题及背景
        2.4.2 针对实际场景的心理学影响分析
        2.4.3 模型设计
        2.4.4 实验设置
        2.4.5 实验结果分析
    2.5 本章小结
第3章 融合跨平台用户跨领域异质信息的推荐方法
    3.1 本章引言
    3.2 评分预测推荐任务的相关工作
        3.2.1 经典的推荐模型方法
        3.2.2 使用迁移学习的推荐模型
        3.2.3 融入异质信息的推荐模型
    3.3 跨平台跨领域异质信息融合框架
        3.3.1 融合异质信息的矩阵分解模块
        3.3.2 跨平台用户特征提取模块
        3.3.3 模型训练及耦合方式
        3.3.4 冷启动用户的应对策略
    3.4 实验设置及结果分析
        3.4.1 实验设置
        3.4.2 整体实验结果及分析
        3.4.3 引入不同程度地异质信息的实验分析
        3.4.4 不同耦合方式的实验结果
        3.4.5 冷启动问题分析
    3.5 本章小结
第4章 引入知识图谱推理的推荐方法
    4.1 本章引言
    4.2 知识图谱与推荐系统的相关工作
        4.2.1 商品关系学习算法
        4.2.2 知识图谱上的规则推理
        4.2.3 融合知识图谱的推荐系统
    4.3 模型背景介绍
        4.3.1 异质信息网络
        4.3.2 两类经典推荐算法介绍
    4.4 引入知识图谱推理的推荐模型
        4.4.1 异质信息网络构建
        4.4.2 基于知识图谱的推理规则学习
        4.4.3 结合异构信息的推荐算法设计
        4.4.4 模型训练及耦合方式
    4.5 实验设置及结果分析
        4.5.1 实验数据集介绍
        4.5.2 实验设置
        4.5.3 规则学习实验结果及分析
        4.5.4 推荐实验结果及分析
        4.5.5 不同评分计算策略及参数选择分析
        4.5.6 推理规则的可解释性分析
    4.6 本章小结
第5章 结束语
    5.1 研究工作总结
    5.2 未来工作展望
参考文献
致谢
个人简历、在学期间发表的学术论文与研究成果



本文编号：3695940