發(fā)布時間：2021-08-15 11:25

　　互聯(lián)網(wǎng)的快速發(fā)展積累了海量的數(shù)據(jù)和產(chǎn)品信息,導(dǎo)致了信息過載問題。而個性化推薦日益成為克服信息過載問題的關(guān)鍵解決方案,被諸多新聞媒介和電子商務(wù)網(wǎng)站所采用。在當(dāng)前個性化推薦方法中,基于模型的協(xié)同過濾算法因其工程實(shí)現(xiàn)簡單且通用性強(qiáng)等優(yōu)點(diǎn)而被廣泛采用。但是目前基于傳統(tǒng)機(jī)器學(xué)習(xí)模型的協(xié)同過濾算法會面臨特征提取不充分的問題,推薦準(zhǔn)確率往往受到制約。針對這樣的問題,本文以電影推薦為例,設(shè)計(jì)一個基于深度協(xié)同過濾的個性化推薦系統(tǒng),主要的工作如下:一是本文在原始數(shù)據(jù)集中額外增加了電影簡介和以往觀眾評論中所包含的文本信息來豐富特征空間。首先通過Python爬蟲技術(shù)得到系統(tǒng)設(shè)計(jì)需要的文本信息,再借助Word2Vec方法將文本映射為向量表示,然后將向量化的文本信息與電影本身的屬性信息融合為系統(tǒng)所需的數(shù)據(jù)集。二是本文設(shè)計(jì)了一種深度協(xié)同過濾推薦算法（ConvMF-DenseNet）,該算法采用深度學(xué)習(xí)方法中的卷積神經(jīng)網(wǎng)絡(luò)作為新的特征提取器,首先將數(shù)據(jù)集中的特征信息經(jīng)過數(shù)據(jù)預(yù)處理轉(zhuǎn)換之后,再通過卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行深層次的特征提取,最后將提取到的特征利用傳統(tǒng)的協(xié)同過濾算法向用戶進(jìn)行推薦。此方法利用深度學(xué)習(xí)長于數(shù)據(jù)特征提取... 

【文章來源】：鄭州大學(xué)河南省 211工程院校

【文章頁數(shù)】：77 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖1.1個性化推薦模型

圖 1.2 我國推薦系統(tǒng)發(fā)表情況趨勢圖近幾年，個性化推薦系統(tǒng)應(yīng)用在國內(nèi)大型公司開始投入使用。推薦系統(tǒng)應(yīng)廣泛應(yīng)用于電子商務(wù)市場，該市場可以根據(jù)用戶的瀏覽記錄、收藏情況、停間、購買記錄、個人信息等信息為用戶提供個性化推薦，通過推薦系統(tǒng)應(yīng)用

圖 2.2 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖卷積神經(jīng)網(wǎng)絡(luò)模型的基本流程如下表：表 2.2 卷積神經(jīng)網(wǎng)絡(luò)模型的基本流程層次結(jié)構(gòu) 操作方法數(shù)據(jù)輸入層 1、經(jīng)過去均值和歸一化處理后的數(shù)據(jù)集

【參考文獻(xiàn)】：
期刊論文
[1]A Novel Deep Hybrid Recommender System Based on Auto-encoder with Neural Collaborative Filtering[J]. Yu Liu,Shuai Wang,M.Shahrukh Khan,Jieyu He.  Big Data Mining and Analytics. 2018(03)
[2]融合似然比相似度的協(xié)同過濾推薦算法研究[J]. 王嶸冰,徐紅艷,馮勇,郭浩.  小型微型計(jì)算機(jī)系統(tǒng). 2018(07)
[3]基于自動編碼器組合的深度學(xué)習(xí)優(yōu)化方法[J]. 鄧俊鋒,張曉龍.  計(jì)算機(jī)應(yīng)用. 2016(03)
[4]基于顯式與隱式反饋信息的概率矩陣分解推薦[J]. 王東,陳志,岳文靜,高翔,王峰.  計(jì)算機(jī)應(yīng)用. 2015(09)
[5]不確定近鄰的協(xié)同過濾推薦算法[J]. 黃創(chuàng)光,印鑒,汪靜,劉玉葆,王甲海.  計(jì)算機(jī)學(xué)報(bào). 2010(08)
[6]基于綜合用戶信息的用戶興趣建模研究[J]. 邵秀麗,乜聚科,侯樂彩,田振雷.  南開大學(xué)學(xué)報(bào)(自然科學(xué)版). 2009(03)

博士論文
[1]基于協(xié)同過濾視角的受限玻爾茲曼機(jī)研究[D]. 羅恒.上海交通大學(xué) 2011

碩士論文
[1]基于用戶評論和評分的協(xié)同過濾算法研究[D]. 董晨露.北京交通大學(xué) 2018
[2]協(xié)同過濾算法在推薦系統(tǒng)中的應(yīng)用與研究[D]. 付國文.電子科技大學(xué) 2018
[3]面向移動終端的新聞推薦系統(tǒng)的研究與實(shí)現(xiàn)[D]. 馮晨.華北電力大學(xué)(北京) 2016
[4]基于混合模型的商品購買預(yù)測[D]. 成文輝.東南大學(xué) 2015
[5]基于分類的推薦系統(tǒng)優(yōu)化方法研究[D]. 朱洪青.華中科技大學(xué) 2014
[6]基于文本聚類的特征選擇算法研究[D]. 樊東輝.西北師范大學(xué) 2012



本文編號：3344458