商品推薦系統(tǒng)由電子商務系統(tǒng)和推薦算法構(gòu)成。系統(tǒng)部分選取電子商城中與推薦算法相關(guān)的部分并用適當?shù)姆绞竭M行串聯(lián),得到一套完整的系統(tǒng)。算法部分將神經(jīng)網(wǎng)絡結(jié)構(gòu)作為核心,利用其在動態(tài)特征識別上的優(yōu)勢設計與開發(fā)準確高效的商品推薦系統(tǒng)。商品推薦模塊在具有一定數(shù)據(jù)基礎的電子商務系統(tǒng)中是必不可缺的一環(huán)。推薦算法的研究通常針對大型平臺,對小型電子商務平臺的適配程度較低。小型電商平臺通常沒有成熟的標簽結(jié)構(gòu),需要一套能自適應其數(shù)據(jù)特征的推薦系統(tǒng)。同時電子商務系統(tǒng)中的推薦算法,大多采用偏向于推薦近期買過的商品而推薦用戶已經(jīng)擁有的商品,難以提起用戶興趣,還耗費計算成本,浪費頁面空間。與常用的協(xié)同過濾相比,神經(jīng)網(wǎng)絡有著更強大的特征識別能力。因此,本文通過引入神經(jīng)網(wǎng)絡結(jié)構(gòu)來學習商品間的關(guān)聯(lián),而且并通過標簽,將關(guān)聯(lián)的映射關(guān)系由商品對商品擴展至商品對類,得到兼顧推薦指標和運行效率的算法。本文在算法研究方面,基于測試數(shù)據(jù)從神經(jīng)網(wǎng)絡結(jié)構(gòu)、激勵函數(shù)、損失函數(shù)和學習逼近方法四個方面對算法進行優(yōu)化,并提出DLF算法。其中,在激勵函數(shù)以及損失函數(shù)兩方面,結(jié)合現(xiàn)有函數(shù)提出了更加貼合系統(tǒng)場景的MRelu函數(shù)和1.2次方差函數(shù)。仿真中,D...

【文章頁數(shù)】：95 頁

【學位級別】：碩士

【部分圖文】：

圖3-3系統(tǒng)角色關(guān)系圖

基于注意力門控圖神經(jīng)網(wǎng)絡的會話推薦系統(tǒng)研究與實現(xiàn)35應商品查看詳情，將商品加入購物車，購買需要的商品，與此同時，系統(tǒng)會根據(jù)他的行為數(shù)據(jù)推薦給他可能感興趣的商品。對于本章設計的會話型商品推薦系統(tǒng)來說，它的主要目的是在會話型推薦場景下實現(xiàn)一個準確高效的個性化推薦，它通過采集用戶的點擊....

圖3-3系統(tǒng)界用戶購買商品

基于注意力門控圖神經(jīng)網(wǎng)絡的會話推薦系統(tǒng)研究與實現(xiàn)35應商品查看詳情，將商品加入購物車，購買需要的商品，與此同時，系統(tǒng)會根據(jù)他的行為數(shù)據(jù)推薦給他可能感興趣的商品。對于本章設計的會話型商品推薦系統(tǒng)來說，它的主要目的是在會話型推薦場景下實現(xiàn)一個準確高效的個性化推薦，它通過采集用戶的點擊....

圖4-6購物平臺首頁

基于注意力門控圖神經(jīng)網(wǎng)絡的會話推薦系統(tǒng)研究與實現(xiàn)49圖4-6購物平臺首頁圖4-7商品詳情界面在商品詳情界面可以看到關(guān)于商品的詳細信息，用戶可以點擊加入購物車或者購買，系統(tǒng)會生成相應的訂單，用戶可以在訂單中心中查看訂單的具體信息，如圖4-8、圖4-9所示。

圖4-7商品詳情界面

基于注意力門控圖神經(jīng)網(wǎng)絡的會話推薦系統(tǒng)研究與實現(xiàn)49圖4-6購物平臺首頁圖4-7商品詳情界面在商品詳情界面可以看到關(guān)于商品的詳細信息，用戶可以點擊加入購物車或者購買，系統(tǒng)會生成相應的訂單，用戶可以在訂單中心中查看訂單的具體信息，如圖4-8、圖4-9所示。

本文編號：3945002