推薦系統(tǒng)是解決信息過載問題的有效手段之一,它能提高用戶獲取有效信息的效率、消除信息壁壘、增加信息價值。近年來,隨著網(wǎng)絡中抽象的非結(jié)構(gòu)化數(shù)據(jù)以幾何速度增長,傳統(tǒng)電影推薦系統(tǒng)在新的數(shù)據(jù)環(huán)境中已經(jīng)不能針對特定用戶進行精準的推薦,而深度學習模型是逐層加工的、非線性的網(wǎng)絡結(jié)構(gòu),對抽象的非結(jié)構(gòu)化數(shù)據(jù)有著很強的學習能力。因此,將深度學習引入傳統(tǒng)電影推薦系統(tǒng)中有著重要的研究意義。通過梳理現(xiàn)有的研究成果發(fā)現(xiàn),基于內(nèi)容的推薦以及基于矩陣分解的推薦都有著對抽象的電影項目特征提取困難的缺陷,而基于協(xié)同過濾的推薦雖然在用戶與項目評分矩陣稀疏時推薦困難,但能通過引入深度學習模型來有效解決這一問題。經(jīng)綜合分析,本文根據(jù)基于模型的協(xié)同過濾推薦策略開展了以下幾個方面的研究工作:（1）針對電影個性化推薦場景中數(shù)據(jù)的特點,對電影推薦數(shù)據(jù)的特征工程開展研究,通過引入詞嵌入以及Word2vec解決了One-Hot編碼帶來的維度爆炸以及文本特征提取困難的問題。（2）全面分析了單一淺層學習模型與深度學習模型的數(shù)學原理及其優(yōu)缺點,并從特征融合和模型訓練兩個角度出發(fā),改進了Wide&Deep模型。在Wide側(cè)引入因子分解機,自... 

【文章來源】：重慶工商大學重慶市

【文章頁數(shù)】：70 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀分析
    1.3 論文研究主要內(nèi)容和章節(jié)安排
    1.4 獨創(chuàng)及新穎之處
    1.5 本章小結(jié)
第2章 電影推薦系統(tǒng)概述
    2.1 電影推薦系統(tǒng)功能概述
    2.2 電影推薦系統(tǒng)架構(gòu)概述
    2.3 電影推薦算法概述
    2.4 推薦系統(tǒng)性能度量指標
    2.5 本章小結(jié)
第3章 電影推薦數(shù)據(jù)的特征工程
    3.1 電影推薦算法整體框架
    3.2 數(shù)據(jù)的預處理
    3.3 特征工程
    3.4 本章小結(jié)
第4章 電影推薦系統(tǒng)的模型與改進
    4.1 淺層學習
    4.2 深度學習
    4.3 Restnet&FM電影個性化推薦模型
    4.4 本章小結(jié)
第5章 模型的實現(xiàn)與實驗效果分析
    5.1 特征工程的算法實現(xiàn)
    5.2 電影個性化推薦模型算法實現(xiàn)
    5.3 推薦模型的實驗效果分析
    5.4 本章小結(jié)
第6章 總結(jié)與展望
    6.1 論文總結(jié)
    6.2 未來工作展望
參考文獻
致謝
作者在學期間發(fā)表論文及參加課題情況


【參考文獻】：
期刊論文
[1]基于用戶的協(xié)同過濾算法的推薦效率和個性化改進[J]. 王成,朱志剛,張玉俠,蘇芳芳.  小型微型計算機系統(tǒng). 2016(03)
[2]基于云計算技術(shù)的個性化推薦系統(tǒng)[J]. 應毅,劉亞軍,陳誠.  計算機工程與應用. 2015(13)
[3]深度學習研究綜述[J]. 孫志軍,薛磊,許陽明,王正.  計算機應用研究. 2012(08)
[4]推薦系統(tǒng)中的冷啟動問題研究綜述[J]. 孫冬婷,何濤,張福海.  計算機與現(xiàn)代化. 2012(05)
[5]個性化推薦系統(tǒng)評價方法綜述[J]. 劉建國,周濤,郭強,汪秉宏.  復雜系統(tǒng)與復雜性科學. 2009(03)
[6]互聯(lián)網(wǎng)推薦系統(tǒng)比較研究[J]. 許海玲,吳瀟,李曉東,閻保平.  軟件學報. 2009(02)
[7]基于協(xié)同過濾算法的電子商務網(wǎng)站個性化推薦系統(tǒng)設計[J]. 王紀輝,趙卓寧.  成都信息工程學院學報. 2007(S1)
[8]基于項目評分預測的協(xié)同過濾推薦算法[J]. 鄧愛林,朱揚勇,施伯樂.  軟件學報. 2003(09)

碩士論文
[1]基于SVD的協(xié)同過濾推薦算法研究[D]. 陳清浩.西南交通大學 2015
[2]混合推薦算法的研究[D]. 宋瑞平.蘭州大學 2014
[3]網(wǎng)絡廣告投放算法的研究[D]. 霍艷.東北大學 2013
[4]基于用戶相似性的協(xié)同過濾推薦算法研究[D]. 程飛.北京交通大學 2012



本文編號：3268036