作為解決信息過載問題的有效工具,推薦系統(tǒng)已經(jīng)成為電子商務網(wǎng)站和社交網(wǎng)絡平臺的基本組成部分。根據(jù)推薦系統(tǒng)依賴的數(shù)據(jù)類型,可將個性化推薦算法分為基于顯式評分數(shù)據(jù)的推薦算法和基于隱式反饋數(shù)據(jù)的推薦算法,其中隱式反饋數(shù)據(jù)存在更為廣泛,獲取成本更低,利用隱式反饋數(shù)據(jù)進行推薦研究可以有效緩解用戶隱私性負擔的問題,能反映用戶實際行為偏好。但隱式反饋數(shù)據(jù)中只包含用戶的正向行為偏好,面臨著負樣本缺乏問題。社會化標簽信息既能反映用戶偏好也能體現(xiàn)產(chǎn)品特征,能在用戶和其未交互產(chǎn)品之間的構(gòu)建聯(lián)系,因此在隱式反饋數(shù)據(jù)中引入社會化標簽信息能夠細分用戶反饋集合,識別出產(chǎn)品中的負樣本,對提高個性化推薦算法的精度具有重要意義。本文首先利用doc2vec技術(shù)實現(xiàn)用戶-標簽集合和產(chǎn)品-標簽集合的向量表達,并通過向量的余弦相似度關系找出與目標用戶在標簽語義層面最相近的潛在偏好產(chǎn)品。其次,根據(jù)用戶的交互記錄和用戶的潛在偏好為每個用戶找出其所對應正反饋集合、基于標簽的潛在興趣反饋集合、負反饋集合,并據(jù)此構(gòu)建出兩組用戶的偏好關系假設。最后,根據(jù)兩對偏序關系假設提出了一種融合社會化標簽信息的貝葉斯個性化排序推薦算法tag-BPR。在真... 

【文章來源】：合肥工業(yè)大學安徽省 211工程院校 教育部直屬院校

【文章頁數(shù)】：59 頁

【學位級別】：碩士

【部分圖文】：

基于Last.fm數(shù)據(jù)集的推薦算法對比效果

圖 5.2 對冷啟動用戶推薦Fig 5.2 Recommendation for cold-start users度對推薦效果的影響稀疏性問題是推薦系統(tǒng)中面臨的另一個重要問題。淘寶、電子商務平臺都擁有大量的用戶和產(chǎn)品，由此導致每個用不會超過產(chǎn)品總數(shù)的 1%。我們在利用“用戶-產(chǎn)品”進行協(xié)成的用戶-產(chǎn)品矩陣含有大量的缺失數(shù)據(jù)，這些稀疏數(shù)據(jù)會好。能否利用稀疏數(shù)據(jù)產(chǎn)生較好的推薦也是衡量一個推薦標。用 Last.fm 數(shù)據(jù)集，在不同訓練集稀疏度水平下對提出的 。實驗所用數(shù)據(jù)的稀疏度情況如表 5.2 所示，隨機選取 20為本次實驗所用的測試集，將余下數(shù)據(jù)隨機等分成 10 份-產(chǎn)品”二元組，通過不同等分數(shù)據(jù)的組合，構(gòu)建包含不同稀train.60 包含的測試集為數(shù)據(jù)集的 20%，訓練集為余下部分

圖 5.3 數(shù)據(jù)稀疏度對推薦效果的影響Fig 5.3 The effect of data sparsity on recommendation征維度的選取維度的選取對矩陣分解模型性能具有非常重要的影響，本對 tag-BPR 算法和 BPRMF 算法進行實驗并找出使得 tag具有較高性能的隱特征的個數(shù)。這里選用 MAP 作為衡量影響的評價指標。圖 5.4 展示了 tag-BPR 算法和 BPR 算法的推薦效果，由圖像可以看出，隨著隱特征個數(shù)的增加，當隱特征維度接近 50 時，tag-BPR 算法的 MAP 值趨于穩(wěn)，MAP 的值也會隨之繼續(xù)增加，但增加的幅度不大，當繼模型訓練會因此消耗更多的時間，同理，當隱特征維度接的 MAP 值也會趨向穩(wěn)定。在我們的實驗中，當選取 Las為 50 時，tag-BPR 算法和 BPRMF 算法在模型性能和效率都

【參考文獻】：
期刊論文
[1]基于社會化標注的用戶興趣發(fā)現(xiàn)及個性化推薦研究[J]. 王曉耘,趙菁,徐作寧.  現(xiàn)代情報. 2018(07)
[2]社會化標注系統(tǒng)中用戶標簽使用行為影響因素研究[J]. 羅琳,楊洋.  圖書情報知識. 2018(03)
[3]基于標簽擴展的協(xié)同過濾算法在音樂推薦中的應用[J]. 章宗杰,陳瑋.  軟件導刊. 2018(01)
[4]基于Word2Vec的一種文檔向量表示[J]. 唐明,朱磊,鄒顯春.  計算機科學. 2016(06)
[5]基于排序?qū)W習的推薦算法研究綜述[J]. 黃震華,張佳雯,田春岐,孫圣力,向陽.  軟件學報. 2016(03)
[6]一種解決新項目冷啟動問題的推薦算法[J]. 于洪,李俊華.  軟件學報. 2015(06)
[7]基于信任環(huán)的用戶冷啟動推薦[J]. 楊圩生,羅愛民,張萌萌.  計算機科學. 2013(S2)
[8]推薦系統(tǒng)中的冷啟動問題研究綜述[J]. 孫冬婷,何濤,張福海.  計算機與現(xiàn)代化. 2012(05)
[9]一種解決協(xié)同過濾系統(tǒng)冷啟動問題的新算法[J]. 李改,李磊.  山東大學學報(工學版). 2012(02)
[10]基于社會化標簽系統(tǒng)的個性化信息推薦探討[J]. 田瑩穎.  圖書情報工作. 2010(01)

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 2009

碩士論文
[1]基于隱式反饋的視頻類推薦系統(tǒng)優(yōu)化[D]. 王義嘉.武漢郵電科學研究院 2017



本文編號：3575198