【摘要】：網(wǎng)絡(luò)時(shí)代的到來帶來了數(shù)據(jù)量的爆炸式增長,人們?cè)诰W(wǎng)上購物、瀏覽、評(píng)價(jià)、分享等行為在服務(wù)器產(chǎn)生了大量的數(shù)據(jù),這些數(shù)據(jù)包含有許多重要的信息。為了能夠更好地利用人們上網(wǎng)時(shí)產(chǎn)生的數(shù)據(jù),發(fā)現(xiàn)其中的規(guī)律,更準(zhǔn)確地向人們推薦合適的商品和信息,解決人們?cè)诿鎸?duì)商品時(shí)迷茫的問題,推薦系統(tǒng)的準(zhǔn)確性和實(shí)時(shí)性變得越來越重要。在電子商務(wù)網(wǎng)站中,智能推薦可以向用戶推薦他們最感興趣的商品,同時(shí)提高商家的銷量;在新聞媒體網(wǎng)站上,可以向用戶推薦他們最感興趣的新聞,提升新聞的點(diǎn)擊率;在音樂以及圖書等興趣網(wǎng)站中,可以向用戶推薦他們最感興趣的內(nèi)容,提升用戶體驗(yàn)……隨著近年來數(shù)據(jù)的爆炸式增漲,如何從這些數(shù)據(jù)中快速提取最準(zhǔn)確的信息,關(guān)系著各大網(wǎng)站和商家的利益。關(guān)于推薦系統(tǒng)的研究,更主要的是關(guān)于推薦算法的研究引起了學(xué)術(shù)界和商業(yè)界廣泛的興趣。本文對(duì)推薦系統(tǒng)的概念、存在的問題和當(dāng)前的流行的推薦算法做了深入的了解與研究,包含推薦系統(tǒng)的冷啟動(dòng)等一些普遍存在的問題、比較了各個(gè)算法之間的優(yōu)缺點(diǎn)、數(shù)據(jù)矩陣的稀疏性問題,常用的評(píng)價(jià)指標(biāo)等。在研究并分析了當(dāng)前推薦系統(tǒng)的現(xiàn)狀后,結(jié)合本人之前做圖形學(xué)方面的知識(shí),將卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用到推薦系統(tǒng)中,實(shí)現(xiàn)了基于卷積神經(jīng)網(wǎng)絡(luò)的推薦算法,在保持推薦精度的情況下,很大地縮減了傳統(tǒng)的基于深度學(xué)習(xí)的推薦算法的訓(xùn)練時(shí)間。在研究過程中,結(jié)合卷積神經(jīng)網(wǎng)絡(luò)以及數(shù)據(jù)集的的特點(diǎn),在思考了如何表示、量化數(shù)據(jù)集,特征維度的選取以及網(wǎng)絡(luò)模型的構(gòu)建上,在Matlab中實(shí)現(xiàn)了基于卷積神經(jīng)網(wǎng)絡(luò)的推薦算法,利用Movie Lens-1M公開數(shù)據(jù)集進(jìn)行實(shí)驗(yàn),并與傳統(tǒng)的推薦算法做了比較,在實(shí)驗(yàn)中取得了不錯(cuò)的效果。
【圖文】：

華南理工大學(xué)碩士學(xué)位論文模塊建模模塊模塊程如圖 2-1 所示[13]，其中用戶建模模塊依據(jù)用戶的錄中的部分或者全部信息，剔除一些異常信息和負(fù)并利用這些信息將用戶的模型建立起來；推薦對(duì)象品、書籍、電影等，提取能夠表示它們的信息，對(duì)薦算法模塊則依據(jù)前兩者建立的模型計(jì)算出適合該構(gòu)推薦給用戶。

max()min()(,)1rrsimprr max()min()max()()(,)2rrrVpsimprr max()min()()(,)13rrVprsimprr 合推薦種方法它們輸入的信息都不盡相同，都可以實(shí)現(xiàn)個(gè)性化的推薦，，同時(shí)各自有各自的優(yōu)缺點(diǎn)，都不是很完美�；旌贤扑]是近來研究的熱點(diǎn)，地組合起來，實(shí)現(xiàn)表現(xiàn)更好的推薦。如果我們把推薦系統(tǒng)的核心部分圖 2-2 所示，它有自己的輸入以及輸出，那么混合推薦就是在黑盒部合適的融合。
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.3

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 徐義峰;徐云青;劉曉平;;一種基于時(shí)間序列性的推薦算法[J];計(jì)算機(jī)系統(tǒng)應(yīng)用;2006年10期

2 余小鵬;;一種基于多層關(guān)聯(lián)規(guī)則的推薦算法研究[J];計(jì)算機(jī)應(yīng)用;2007年06期

3 張海玉;劉志都;楊彩;賈松浩;;基于頁面聚類的推薦算法的改進(jìn)[J];計(jì)算機(jī)應(yīng)用與軟件;2008年09期

4 張立燕;;一種基于用戶事務(wù)模式的推薦算法[J];福建電腦;2009年03期

5 王晗;夏自謙;;基于蟻群算法和瀏覽路徑的推薦算法研究[J];中國科技信息;2009年07期

6 周珊丹;周興社;王海鵬;倪紅波;張桂英;苗強(qiáng);;智能博物館環(huán)境下的個(gè)性化推薦算法[J];計(jì)算機(jī)工程與應(yīng)用;2010年19期

7 王文;;個(gè)性化推薦算法研究[J];電腦知識(shí)與技術(shù);2010年16期

8 張愷;秦亮曦;寧朝波;李文閣;;改進(jìn)評(píng)價(jià)估計(jì)的混合推薦算法研究[J];微計(jì)算機(jī)信息;2010年36期

9 夏秀峰;代沁;叢麗暉;;用戶顯意識(shí)下的多重態(tài)度個(gè)性化推薦算法[J];計(jì)算機(jī)工程與應(yīng)用;2011年16期

10 楊博;趙鵬飛;;推薦算法綜述[J];山西大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年03期

相關(guān)會(huì)議論文 前10條

1 王韜丞;羅喜軍;杜小勇;;基于層次的推薦:一種新的個(gè)性化推薦算法[A];第二十四屆中國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2007年

2 唐燦;;基于模糊用戶心理模式的個(gè)性化推薦算法[A];2008年計(jì)算機(jī)應(yīng)用技術(shù)交流會(huì)論文集[C];2008年

3 秦國;杜小勇;;基于用戶層次信息的協(xié)同推薦算法[A];第二十一屆中國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2004年

4 周玉妮;鄭會(huì)頌;;基于瀏覽路徑選擇的蟻群推薦算法:用于移動(dòng)商務(wù)個(gè)性化推薦系統(tǒng)[A];社會(huì)經(jīng)濟(jì)發(fā)展轉(zhuǎn)型與系統(tǒng)工程——中國系統(tǒng)工程學(xué)會(huì)第17屆學(xué)術(shù)年會(huì)論文集[C];2012年

5 蘇日啟;胡皓;汪秉宏;;基于網(wǎng)絡(luò)的含時(shí)推薦算法[A];第五屆全國復(fù)雜網(wǎng)絡(luò)學(xué)術(shù)會(huì)議論文（摘要）匯集[C];2009年

6 梁莘q

本文編號(hào)：2581955