隨著互聯(lián)網(wǎng)信息技術(shù)的飛速發(fā)展,信息過載問題愈加嚴(yán)重,用戶難以在海量的數(shù)據(jù)中,快速、精確的定位到感興趣的內(nèi)容,因此為用戶提供個(gè)性化信息推薦成為了目前的研究熱點(diǎn)。傳統(tǒng)的推薦算法僅僅利用評(píng)分等結(jié)構(gòu)化數(shù)據(jù)產(chǎn)生推薦依據(jù),沒有利用非結(jié)構(gòu)的用戶原創(chuàng)信息（User Generated Content,UGC）,如評(píng)論、標(biāo)簽、文本描述內(nèi)容等,在海量數(shù)據(jù)場(chǎng)景下,無法精確識(shí)別用戶的興趣,推薦質(zhì)量低且數(shù)據(jù)稀疏時(shí)容易過擬合。為了解決以上所述問題,本文提出了基于深度學(xué)習(xí)算法“堆棧降噪自編碼器”改進(jìn)的推薦算法,從用戶的海量自由文本標(biāo)簽中提取特征,并結(jié)合協(xié)同過濾算法,為廣大互聯(lián)網(wǎng)用戶提供更高精準(zhǔn)度、更具有個(gè)性化的推薦服務(wù)。本文的主要工作包括如下4點(diǎn):（1）引入標(biāo)簽信息傳統(tǒng)的協(xié)同過濾推薦算法僅僅利用了用戶的評(píng)分信息,推薦結(jié)果難以精匹配用戶的興趣關(guān)注點(diǎn),因而需要引入額外的輔助推薦信息,提高推薦結(jié)果的準(zhǔn)確性。而用戶對(duì)物品標(biāo)注的自由文本標(biāo)簽可以反映出用戶對(duì)物品的興趣偏好,本文通過引入標(biāo)簽信息作為輔助推薦依據(jù),增強(qiáng)推薦算法的興趣匹配度。（2）建立標(biāo)簽特征提取模型由于用戶標(biāo)簽是非結(jié)構(gòu)化的自由文本,數(shù)量龐大且分布稀疏,針對(duì)稀疏分布... 

【文章來源】：武漢大學(xué)湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：66 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

中國網(wǎng)民規(guī)模和互聯(lián)網(wǎng)普及率

移動(dòng)互聯(lián)網(wǎng)接入流量隨著中國互聯(lián)網(wǎng)+的深入推進(jìn)，未來互聯(lián)網(wǎng)所承載的的服務(wù)將會(huì)愈來愈多，應(yīng)用場(chǎng)

Amazon商城首頁的商品推薦


本文編號(hào)：2952820