隨著大數(shù)據(jù)時(shí)代的到來,各大互聯(lián)網(wǎng)公司對數(shù)據(jù)越來越重視,各大國內(nèi)外的電商網(wǎng)站的實(shí)際需求是推進(jìn)推薦算法研究的動(dòng)力。國內(nèi)外的電商網(wǎng)站和社交網(wǎng)絡(luò),最常見的推薦算法是根據(jù)用戶的歷史行為數(shù)據(jù)來推薦用戶可能會(huì)購買的或者感興趣的商品或者話題。協(xié)同過濾作為目前推進(jìn)系統(tǒng)中應(yīng)用最為廣泛的算法,也是未來推薦系統(tǒng)的重點(diǎn)研究對象和推薦系統(tǒng)的發(fā)展方向。其優(yōu)勢在于能通過用戶-商品的評分矩陣來挖掘出用戶的隱藏特征,并且其處理復(fù)雜信息的能力能夠使其很好的適用于實(shí)際應(yīng)用環(huán)境。針對協(xié)同過濾存在如數(shù)據(jù)稀疏性、冷啟動(dòng)等問題。本文結(jié)合商品的評論信息來進(jìn)一步改進(jìn)算法,標(biāo)簽生成采用抽取關(guān)鍵詞來完成,進(jìn)一步通過改進(jìn)的自動(dòng)編碼器從標(biāo)簽中挖掘出商品特征矩陣,填充好原始矩陣后,依據(jù)上下文語義劃分子群組,最后利用預(yù)測結(jié)果好的子矩陣來產(chǎn)生近似矩陣從而得到預(yù)測結(jié)果。具體如下:針對評論語料隨意性、無結(jié)構(gòu)、口語化等特點(diǎn),現(xiàn)有的標(biāo)簽提取的方法從評論短文本中提取出的標(biāo)簽存在標(biāo)簽冗余、語義不獨(dú)立等問題。因此改進(jìn)了K-means聚類的標(biāo)簽生成方法,該方法保證語義獨(dú)立的同時(shí)依據(jù)其每個(gè)聚類中標(biāo)簽分?jǐn)?shù)值來選取商品標(biāo)簽。實(shí)驗(yàn)結(jié)果表明改進(jìn)的方法保證標(biāo)簽相互獨(dú)立的同時(shí)保證... 

【文章來源】：昆明理工大學(xué)云南省

【文章頁數(shù)】：73 頁

【學(xué)位級別】：碩士

【部分圖文】：

矩陣分解示意圖

昆明理工大學(xué)專業(yè)學(xué)位碩士學(xué)位論文40缺失值。其中本節(jié)的遷移學(xué)習(xí)的方法主要參考的是CBT[33](CodeBookTransfer)。本文改進(jìn)的方法的區(qū)別在于，CBT算法應(yīng)用于不同的數(shù)據(jù)集之間的遷移學(xué)習(xí)。而在本節(jié)中用同一個(gè)原始矩陣的相對稠密的子群組遷移學(xué)習(xí)來產(chǎn)生近似矩陣。在接下來本章節(jié)將詳細(xì)解釋如何構(gòu)建近似矩陣，如下圖5.4所示。圖5.4子評分矩陣構(gòu)建近似矩陣的實(shí)例本文構(gòu)建近似矩陣借鑒了CBT[33]算法的第二步，第二步作用是把原始矩陣R中全部商品和用戶分別映射到子評分矩陣tSR的列和行，每個(gè)列和行分別作為商品簇和用戶簇。此映射用數(shù)學(xué)符號表示為：用戶角色矩陣MU和商品角色矩陣MV，映射后每個(gè)用戶向量都持有其用戶簇的標(biāo)記，映射后每個(gè)商品向量都持有其商品簇的標(biāo)記。其中tSR對應(yīng)于CBT中定義的B，也就是“碼本”（CodeBook）。結(jié)合上面的數(shù)學(xué)定義，R的近似矩陣計(jì)算公式如下：tTMSMRURV（5.3）上式中，原始矩陣R和子評分矩陣tSR已知，用戶角色矩陣MU和商品角色矩陣MV則是未知的。所以這個(gè)問題的核心轉(zhuǎn)換為求解最優(yōu)化MU和MV。如下公式給出了最優(yōu)化的數(shù)學(xué)表示。2mintTMSMRURVWF（5.4）上式中MU是mk的{0,1}二進(jìn)制矩陣，MV是kl的{0,1}二進(jìn)制矩陣，子評分矩陣tSR是kl的矩陣，這里我們R相同大小的指示矩陣W來掩蓋未觀察到的實(shí)體，如果ijR被評分，則ijW=1否則ijW=0。o代表兩個(gè)矩陣的Hadamard乘積。

【參考文獻(xiàn)】：
期刊論文
[1]基于堆棧降噪自編碼器改進(jìn)的混合推薦算法[J]. 楊帥,王鵑.  計(jì)算機(jī)應(yīng)用. 2018(07)
[2]基于LSTM網(wǎng)絡(luò)的序列標(biāo)注中文分詞法[J]. 任智慧,徐浩煜,封松林,周晗,施俊.  計(jì)算機(jī)應(yīng)用研究. 2017(05)
[3]基于自動(dòng)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]推薦系統(tǒng)研究進(jìn)展[J]. 朱揚(yáng)勇,孫婧.  計(jì)算機(jī)科學(xué)與探索. 2015(05)
[5]用戶評論中的標(biāo)簽抽取以及排序[J]. 李丕績,馬軍,張冬梅,韓曉暉.  中文信息學(xué)報(bào). 2012(05)
[6]基于效用的個(gè)性化推薦方法[J]. 吳兵,葉春明.  計(jì)算機(jī)工程. 2012(04)

博士論文
[1]推薦系統(tǒng)中協(xié)同過濾算法若干問題的研究[D]. 張亮.北京郵電大學(xué) 2009



本文編號：3452237