信息時(shí)代的到來,為人們的生活提供了方便,使我們能夠更加快捷的在互聯(lián)網(wǎng)上獲得自己想要的信息。隨之而來的信息爆炸問題也逐漸凸顯,人們很難有效率的從海量的信息中找到自己需要的內(nèi)容。推薦系統(tǒng)應(yīng)運(yùn)而生,它從用戶和內(nèi)容的屬性和交互行為中學(xué)習(xí)用戶的偏好,進(jìn)行合適的匹配。推薦系統(tǒng)的應(yīng)用場景多種多樣,交互形式各不相同,比較有代表性的兩大擴(kuò)展場景包括:序列化推薦和社會化推薦,相對應(yīng)的序列建模和關(guān)系建模也是推薦系統(tǒng)內(nèi)一個(gè)非常重要的研究領(lǐng)域,它們進(jìn)一步利用序列和拓?fù)鋬深惙墙Y(jié)構(gòu)化信息來輔助推薦。如何結(jié)合場景做到更好的建模,提高推薦系統(tǒng)的準(zhǔn)確率是目前研究的一大難點(diǎn)。本文基于序列建模和關(guān)系建模兩大方向展開工作。在序列化推薦中,用戶的偏好往往隨時(shí)間發(fā)生變化,推薦的物品序列和推薦時(shí)間點(diǎn)同時(shí)為兩個(gè)重要的優(yōu)化目標(biāo),傳統(tǒng)的序列化推薦方法很少對時(shí)間戳信息進(jìn)行比較好的利用,同時(shí)兩個(gè)優(yōu)化目標(biāo)間也存在可能沖突的關(guān)系。針對以上問題,本文提出基于序列建模的雙通道門控循環(huán)單元(Two-way Gated Recurrent Unit,TW-GRU)模型,該模型通過不同的目標(biāo)函數(shù)將物品和時(shí)間戳的嵌入向量輸出進(jìn)行優(yōu)化,使用多任務(wù)學(xué)習(xí)的方式尋找...

【文章來源】： 華東師范大學(xué)上海市 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：92 頁

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀分析
    1.3 論文的研究內(nèi)容和主要貢獻(xiàn)
    1.4 論文的組織結(jié)構(gòu)
    1.5 本章小結(jié)
第二章 相關(guān)技術(shù)
    2.1 推薦算法
        2.1.1 基于人口統(tǒng)計(jì)學(xué)的推薦算法
        2.1.2 基于協(xié)同過濾的推薦算法
        2.1.3 基于模型的推薦算法
    2.2 序列建模
        2.2.1 循環(huán)神經(jīng)網(wǎng)絡(luò)
        2.2.2 時(shí)序點(diǎn)過程
    2.3 關(guān)系建模
        2.3.1 拉普拉斯矩陣
        2.3.2 圖卷積網(wǎng)絡(luò)
    2.4 本章小結(jié)
第三章 基于序列建模的推薦模型
    3.1 研究動機(jī)與本章貢獻(xiàn)
    3.2 會話平行的批采樣
    3.3 雙通道神經(jīng)網(wǎng)絡(luò)模型
        3.3.1 模型描述
        3.3.2 計(jì)算流程
        3.3.3 多任務(wù)損失函數(shù)
        3.3.4 多目標(biāo)優(yōu)化權(quán)重更新
    3.4 雙通道點(diǎn)過程網(wǎng)絡(luò)模型
        3.4.1 模型描述
        3.4.2 計(jì)算流程
        3.4.3 多任務(wù)損失函數(shù)
    3.5 本章小結(jié)
第四章 基于關(guān)系建模的推薦模型
    4.1 研究動機(jī)與本章貢獻(xiàn)
    4.2 評分-交互行為分解
    4.3 交互分解圖卷積網(wǎng)絡(luò)模型
        4.3.1 模型描述
        4.3.2 用戶關(guān)系圖與拉普拉斯矩陣
        4.3.3 正則化與譜卷積
        4.3.4 推薦評分預(yù)測
    4.4 本章小結(jié)
第五章 實(shí)驗(yàn)設(shè)計(jì)與分析
    5.1 基于序列建模的推薦模型評估
        5.1.1 數(shù)據(jù)集介紹和預(yù)處理
        5.1.2 評價(jià)指標(biāo)
        5.1.3 實(shí)驗(yàn)設(shè)計(jì)
        5.1.4 實(shí)驗(yàn)結(jié)果
    5.2 基于關(guān)系建模的推薦模型評估
        5.2.1 數(shù)據(jù)集介紹和預(yù)處理
        5.2.2 評價(jià)指標(biāo)
        5.2.3 實(shí)驗(yàn)設(shè)計(jì)
        5.2.4 實(shí)驗(yàn)結(jié)果
    5.3 本章小結(jié)
第六章 總結(jié)與展望
    6.1 本文總結(jié)
    6.2 未來工作展望
參考文獻(xiàn)
碩士在讀期間學(xué)術(shù)成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于用戶的協(xié)同過濾算法的推薦效率和個(gè)性化改進(jìn) [J]. 王成,朱志剛,張玉俠,蘇芳芳.  小型微型計(jì)算機(jī)系統(tǒng). 2016(03)
[2]個(gè)性化推薦系統(tǒng)的研究進(jìn)展 [J]. 劉建國,周濤,汪秉宏.  自然科學(xué)進(jìn)展. 2009(01)



本文編號：3535987