隨著深度學(xué)習(xí)的發(fā)展,人工智能領(lǐng)域取得了革命性的進(jìn)步,各領(lǐng)域的研究也隨之得到了迅速發(fā)展,其中推薦系統(tǒng)應(yīng)用深度神經(jīng)網(wǎng)絡(luò)模型,得到了進(jìn)一步的革新,受到了學(xué)者們的廣泛關(guān)注。近年來,便攜式智能設(shè)備越來越普及,人們與互聯(lián)網(wǎng)的交互日益頻繁,位置跟蹤和定位的準(zhǔn)確性不斷增強(qiáng),使得基于位置的服務(wù)趨于多樣,在社交網(wǎng)絡(luò)中隨處可見用戶分享自己的定位與心得,這讓興趣點(diǎn)推薦成為了學(xué)術(shù)界乃至工業(yè)界的熱門任務(wù),它不僅要求算法模型能夠很好地從海量的數(shù)據(jù)中提取出位置中的有效信息,還需要能夠?qū)⑽恢眯畔⑴c其他異構(gòu)信息進(jìn)行交叉組合,準(zhǔn)確地進(jìn)行個(gè)性化推薦。本文主要研究的是興趣點(diǎn)推薦的應(yīng)用領(lǐng)域,它專注于幫助移動用戶探索新的區(qū)域,通過用戶偏好和興趣點(diǎn)特征等多種因素來對用戶此時(shí)可能做出的行為進(jìn)行預(yù)判,從而推薦最佳興趣點(diǎn)列表以供用戶選擇。為此,本文包括以下幾個(gè)方面的工作:首先本文的整體架構(gòu)采用wide&deep模型進(jìn)行建模,在deep側(cè)本文構(gòu)建了三個(gè)特征,分別是用戶的分布式表達(dá)、興趣點(diǎn)的分布式表達(dá)和增強(qiáng)時(shí)間特征的上下文分布式表達(dá)。其中后兩者是本文的關(guān)鍵特征。對于興趣點(diǎn)的分布式表達(dá),本文利用興趣點(diǎn)大量的評論信息,使用詞嵌入技術(shù)將拼接... 

【文章來源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：73 頁

【學(xué)位級別】：碩士

【部分圖文】：

UserCF示意圖

ItemCF示意圖

基于內(nèi)容的推薦算法示意圖

【參考文獻(xiàn)】：
期刊論文
[1]跨媒體分析與推理:研究進(jìn)展與發(fā)展方向（英文）[J]. Yu-xin PENG,Wen-wu ZHU,Yao ZHAO,Chang-sheng XU,Qing-ming HUANG,Han-qing LU,Qing-hua ZHENG,Tie-jun HUANG,Wen GAO.  Frontiers of Information Technology & Electronic Engineering. 2017(01)



本文編號：3368020