發(fā)布時(shí)間：2021-05-31 17:03

　　隨著互聯(lián)網(wǎng)產(chǎn)業(yè)和電子信息技術(shù)的飛速發(fā)展,信息資源的規(guī)模以倍數(shù)級快速增長,用戶尋找感興趣信息的成本日益增長,信息過載問題日益嚴(yán)重。在這個(gè)背景下,推薦系統(tǒng)作為一類高效的信息分發(fā)模式,其重要性日益顯現(xiàn)。目前推薦系統(tǒng)領(lǐng)域研究主要包括工程研究與算法研究兩個(gè)方面,其中焦點(diǎn)內(nèi)容依然為算法研究。推薦算法研究是機(jī)器學(xué)習(xí)和人工智能領(lǐng)域的重要研究方向,近些年來隨著機(jī)器學(xué)習(xí)領(lǐng)域的迅速發(fā)展,推薦算法領(lǐng)域也取得了長足的進(jìn)步。對目前電影推薦系統(tǒng)中廣泛應(yīng)用的推薦算法進(jìn)行了深入的理解和研究,整理了目前電影推薦算法領(lǐng)域的常見應(yīng)用架構(gòu)、推薦算法的評價(jià)指標(biāo)以及常用推薦算法的原理與優(yōu)缺點(diǎn),并且指出了目前廣泛應(yīng)用的基于相似度原理的推薦算法只關(guān)注用戶或?qū)嵗g的相似度關(guān)系,而忽略用戶行為序列的序列性信息的缺陷。針對這個(gè)問題,出了一種全新的可以取序列性信息的電影推薦算法IA LSTM（Input Attention LSTM）,并以在線視頻網(wǎng)站的電影推薦做為應(yīng)用場景進(jìn)行應(yīng)用。IA LSTM算法以長短期記憶循環(huán)神經(jīng)網(wǎng)絡(luò)（LSTM）為算法基礎(chǔ)網(wǎng)絡(luò)結(jié)構(gòu),依靠循環(huán)神經(jīng)網(wǎng)絡(luò)本身的結(jié)構(gòu)特點(diǎn)取用戶行為的序列信息,并結(jié)合詞嵌入思想（Word Emb... 

【文章來源】：華中科技大學(xué)湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：62 頁

【學(xué)位級別】：碩士

【部分圖文】：

亞馬遜的圖書推薦系統(tǒng)

常見的推薦算法應(yīng)用架構(gòu)

基于用戶的協(xié)同過濾算法

【參考文獻(xiàn)】：
期刊論文
[1]基于深度學(xué)習(xí)加強(qiáng)的混合推薦方法[J]. 張敏,丁弼原,馬為之,譚云志,劉奕群,馬少平.  清華大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(10)
[2]國內(nèi)電子商務(wù)網(wǎng)站推薦系統(tǒng)信息服務(wù)質(zhì)量比較研究——以淘寶、京東、亞馬遜為例[J]. 洪亮,任秋圜,梁樹賢.  圖書情報(bào)工作. 2016(23)
[3]淺談基于Hadoop平臺的大規(guī)模數(shù)據(jù)排序[J]. 門威,呂書林.  智能計(jì)算機(jī)與應(yīng)用. 2016(03)
[4]基于用戶的協(xié)同過濾算法的推薦效率和個(gè)性化改進(jìn)[J]. 王成,朱志剛,張玉俠,蘇芳芳.  小型微型計(jì)算機(jī)系統(tǒng). 2016(03)
[5]移動新聞推薦技術(shù)及其應(yīng)用研究綜述[J]. 孟祥武,陳誠,張玉潔.  計(jì)算機(jī)學(xué)報(bào). 2016(04)
[6]推薦系統(tǒng)研究進(jìn)展[J]. 朱揚(yáng)勇,孫婧.  計(jì)算機(jī)科學(xué)與探索. 2015(05)
[7]大數(shù)據(jù)系統(tǒng)和分析技術(shù)綜述[J]. 程學(xué)旗,靳小龍,王元卓,郭嘉豐,張鐵贏,李國杰.  軟件學(xué)報(bào). 2014(09)
[8]協(xié)同過濾推薦技術(shù)綜述[J]. 冷亞軍,陸青,梁昌勇.  模式識別與人工智能. 2014(08)
[9]面向微博系統(tǒng)的實(shí)時(shí)個(gè)性化推薦[J]. 高明,金澈清,錢衛(wèi)寧,王曉玲,周傲英.  計(jì)算機(jī)學(xué)報(bào). 2014(04)
[10]推薦系統(tǒng)評價(jià)指標(biāo)綜述[J]. 朱郁筱,呂琳媛.  電子科技大學(xué)學(xué)報(bào). 2012(02)

碩士論文
[1]基于深度學(xué)習(xí)的推薦系統(tǒng)研究[D]. 陳達(dá).北京郵電大學(xué) 2014



本文編號：3208625