隨著互聯(lián)網(wǎng)的快速發(fā)展,人們生產(chǎn)、復(fù)制和傳播信息的能力大大增強,整個社會面臨前所未有的信息過載問題,個性化推薦系統(tǒng)是解決該問題的有力手段。協(xié)同過濾是推薦系統(tǒng)中較為常用的一種方法,由于其良好的可擴展性和易用性被廣泛應(yīng)用。但是協(xié)同過濾算法的推薦準(zhǔn)確度會因為評分矩陣包含大量的缺失值而大幅度降低,且對于新用戶和新物品存在冷啟動的問題。近年來,深度學(xué)習(xí)已被應(yīng)用在自然語言處理、音頻識別和交通監(jiān)控等領(lǐng)域,并且獲得了突飛猛進的發(fā)展,也為推薦系統(tǒng)帶來了新的機遇。本文首先對傳統(tǒng)的協(xié)同過濾算法進行改進,通過標(biāo)簽信息來輔助緩解協(xié)同過濾稀疏性問題,提出了基于標(biāo)簽分類的協(xié)同過濾推薦算法LCCF,將不完整的數(shù)據(jù)樣本根據(jù)標(biāo)簽進行分類,使分解的矩陣依賴于類,隨后使用迭代投影尋蹤的方法計算依賴矩陣的線性組合及其對應(yīng)權(quán)重,最后進行協(xié)同過濾推薦。針對傳統(tǒng)協(xié)同過濾自身的局限性與評分信息單一的問題,結(jié)合深度學(xué)習(xí)模型中的降噪自編碼器,提出了基于信任信息的降噪自編碼器協(xié)同過濾推薦算法TDAE,通過相關(guān)度計算提取隱式信任信息,然后與數(shù)據(jù)集中的顯式信任信息和評分信息與降噪自編碼器模型進行整合,并對降噪自編碼器的輸入進行稀疏化處理,最后進行... 

【文章頁數(shù)】：58 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景與動機
    1.2 研究內(nèi)容與貢獻
    1.3 章節(jié)安排
第二章 相關(guān)知識概述
    2.1 協(xié)同過濾推薦算法
        2.1.1 推薦系統(tǒng)概述
        2.1.2 協(xié)同過濾算法分類
        2.1.3 傳統(tǒng)協(xié)同過濾面臨的問題
    2.2 深度學(xué)習(xí)及其在協(xié)同過濾中的應(yīng)用
        2.2.1 深度學(xué)習(xí)概述
        2.2.2 深度學(xué)習(xí)常用模型
        2.2.3 深度學(xué)習(xí)在協(xié)同過濾中的應(yīng)用
    2.3 本章小結(jié)
第三章 基于標(biāo)簽分類的協(xié)同過濾推薦算法
    3.1 ALS協(xié)同過濾推薦算法
    3.2 LCCF推薦算法
        3.2.1 算法描述
        3.2.2 空缺樣本分類
        3.2.3 迭代投影尋蹤插補法
    3.3 實驗結(jié)果及分析
        3.3.1 數(shù)據(jù)集和環(huán)境介紹
        3.3.2 評價標(biāo)準(zhǔn)
        3.3.3 實驗結(jié)果及分析
    3.4 本章小結(jié)
第四章 基于信任降噪自編碼器的協(xié)同過濾推薦算法
    4.1 降噪自編碼器
    4.2 信任關(guān)系計算
    4.3 DAET推薦算法
        4.3.1 算法描述
        4.3.2 提取隱式信任信息
        4.3.3 信任信息整合
        4.3.4 輸入稀疏化
        4.3.5 訓(xùn)練模型
    4.4 實驗結(jié)果及分析
        4.4.1 數(shù)據(jù)集和環(huán)境介紹
        4.4.2 評價標(biāo)準(zhǔn)和對比算法
        4.4.3 實驗預(yù)處理
        4.4.4 實驗結(jié)果
    4.5 本章小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻
附錄1 攻讀碩士學(xué)位期間撰寫的論文
致謝


【參考文獻】：
期刊論文
[1]自編碼神經(jīng)網(wǎng)絡(luò)理論及應(yīng)用綜述[J]. 袁非牛,章琳,史勁亭,夏雪,李鋼.  計算機學(xué)報. 2019(01)
[2]基于深度學(xué)習(xí)的推薦系統(tǒng)研究綜述[J]. 黃立威,江碧濤,呂守業(yè),劉艷博,李德毅.  計算機學(xué)報. 2018(07)
[3]社交網(wǎng)絡(luò)環(huán)境下基于信任的推薦算法[J]. 陳婷,朱青,周夢溪,王珊.  軟件學(xué)報. 2017(03)
[4]社會化推薦系統(tǒng)研究[J]. 孟祥武,劉樹棟,張玉潔,胡勛.  軟件學(xué)報. 2015(06)
[5]基于推薦質(zhì)量的信任感知推薦系統(tǒng)[J]. 王海艷,周洋.  計算機科學(xué). 2014(06)
[6]基于動態(tài)貝葉斯網(wǎng)絡(luò)的協(xié)同過濾推薦方法[J]. 趙永梅,任大勇.  黑龍江科技信息. 2010(14)
[7]網(wǎng)上信息搜索技術(shù)與搜索引擎[J]. 姚國祥,羅偉其,沈鎮(zhèn)林.  計算機科學(xué). 2000(07)
[8]投影尋蹤技術(shù)及其應(yīng)用進展[J]. 李祚泳.  自然雜志. 1997(04)

碩士論文
[1]基于SVD和用戶聚類的協(xié)同過濾算法研究[D]. 王沖.青島理工大學(xué) 2018



本文編號：3704564