大數(shù)據(jù)時(shí)代和智能時(shí)代的快速發(fā)展促使推薦系統(tǒng)逐漸成為商業(yè)應(yīng)用的“標(biāo)準(zhǔn)配置”,因其在提高商業(yè)利潤(rùn)和滿足用戶的個(gè)性化需求兩方面的作用,推薦系統(tǒng)收獲了來(lái)自研究界和工業(yè)界越來(lái)越多的關(guān)注。從不同的應(yīng)用場(chǎng)景及其相關(guān)數(shù)據(jù)來(lái)劃分,推薦系統(tǒng)包含若干個(gè)重要問(wèn)題,如傳統(tǒng)的協(xié)同過(guò)濾問(wèn)題、單類協(xié)同過(guò)濾問(wèn)題、協(xié)同排序問(wèn)題和異構(gòu)單類協(xié)同過(guò)濾問(wèn)題等。另一方面,受限玻爾茲曼機(jī)模型自提出以來(lái),因其結(jié)構(gòu)的靈活性,加上相關(guān)學(xué)習(xí)算法的成熟,已經(jīng)在諸多領(lǐng)域的諸多任務(wù)中發(fā)揮作用,但其在推薦系統(tǒng)領(lǐng)域的應(yīng)用和研究只限于有限的若干個(gè)問(wèn)題,在其它問(wèn)題上尚不充分。本文以受限玻爾茲曼機(jī)在推薦領(lǐng)域中的應(yīng)用為核心,研究了推薦系統(tǒng)的若干重要問(wèn)題:(1)基于受限玻爾茲曼機(jī)的混合單類協(xié)同過(guò)濾。針對(duì)單類協(xié)同過(guò)濾問(wèn)題,探究受限玻爾茲曼機(jī)模型與其它經(jīng)典模型的互補(bǔ)性,具體而言,我們?cè)O(shè)計(jì)、使用混合的方法來(lái)進(jìn)一步提升受限玻爾茲曼機(jī)模型的推薦效果;(2)基于受限玻爾茲曼機(jī)的協(xié)同排序推薦算法研究。針對(duì)協(xié)同排序問(wèn)題,探究在此問(wèn)題上受限玻爾茲曼機(jī)模型的有效利用。以充分訓(xùn)練數(shù)據(jù)的蘊(yùn)含的信息為突破口,提出幾種看待數(shù)據(jù)的思路,設(shè)計(jì)相應(yīng)的基于條件受限玻爾茲曼機(jī)模型的推薦算法;(3)...

【文章頁(yè)數(shù)】：69 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖4.215門課程的IRS值

基于受限玻爾茲曼機(jī)協(xié)同過(guò)濾和Hadoop-Mahout的課程推薦算法的研究Android攻城獅的第一門課（入門篇）9.62.0609036920.2881.886078857Linux達(dá)人養(yǎng)成計(jì)劃I9.64.5792196000.1504252.3112119....

圖5.7單、雙、三節(jié)點(diǎn)執(zhí)行推薦算法運(yùn)行時(shí)間對(duì)比

基于受限玻爾茲曼機(jī)協(xié)同過(guò)濾和Hadoop-Mahout的課程推薦算法的研究圖5.65MB文件推薦結(jié)果Fig.5.65MBfilerecommendationresults從輸出結(jié)果看出，對(duì)用戶1的推薦課程為2號(hào)、11號(hào)、12號(hào)課程，推薦指數(shù)分為182....

圖1-1網(wǎng)易云音樂(lè)中大量使用推薦技術(shù)，用于推薦歌曲、歌單和用戶等

基于受限玻爾茲曼機(jī)的協(xié)同推薦算法研究2網(wǎng)上出現(xiàn)了越來(lái)越多使用了智能推薦技術(shù)的產(chǎn)品，如電子商務(wù)平臺(tái)Amazon1為每個(gè)用戶從上億商品中挑選出一小部分予以展示，“千人千面”的背后便是推薦引擎[4][5]，視頻內(nèi)容平臺(tái)Youtube2通過(guò)推薦算法幫助用戶發(fā)現(xiàn)個(gè)性化內(nèi)容[6]，今日頭條3....

圖2-1受限玻爾茲曼機(jī)示意圖

基于受限玻爾茲曼機(jī)的協(xié)同推薦算法研究9際上可以通過(guò)最大化關(guān)于所有偏序關(guān)系物品對(duì)所定義的后驗(yàn)分布來(lái)實(shí)現(xiàn)�；谶@個(gè)假設(shè)，BPR算法的最終優(yōu)化目標(biāo)函數(shù)如下[50]：∑∑∑{()}\,(2.3)式中省略了正則化項(xiàng)，而的計(jì)算依賴于其它具體模型。嚴(yán)格說(shuō)來(lái)，BPR只是一個(gè)優(yōu)化框架，為了解決具體....

本文編號(hào)：3919558