隨著計算機硬件與軟件技術(shù)的快速發(fā)展,互聯(lián)網(wǎng)已經(jīng)進入Web2.0時代,互聯(lián)網(wǎng)應(yīng)用由此大量誕生,與此同時產(chǎn)生了巨量的非結(jié)構(gòu)化數(shù)據(jù),如何挖掘這些數(shù)據(jù)的潛在價值已經(jīng)成為了越來越多學(xué)者的研究內(nèi)容。在一些數(shù)據(jù)驅(qū)動型應(yīng)用中,“信息過載”的問題經(jīng)常出現(xiàn),例如在電子商務(wù)領(lǐng)域,用戶面對龐大的商品列表,應(yīng)該如何做出選擇,如何獲取最有效的信息,而企業(yè)又應(yīng)該將哪些信息展現(xiàn)給用戶,展現(xiàn)的信息是否是用戶所感興趣的,這些問題常常給雙方帶來困擾。為了解決這些挑戰(zhàn),推薦系統(tǒng)應(yīng)運而生。推薦系統(tǒng)的基本核心是從用戶信息,物品信息以及用戶與物品的交互信息中挖掘內(nèi)在關(guān)聯(lián)和潛在特征,從而聯(lián)系用戶和物品,以滿足為用戶推薦物品等具體工業(yè)需求。在傳統(tǒng)單域推薦算法中,基于鄰域的算法最先被提出來,但其只考慮用戶與物品間的交互信息,而這種交互信息在很多場景中是不足的,難以處理日益增長的數(shù)據(jù)帶來的數(shù)據(jù)稀疏性問題。因此需要挖掘更多相關(guān)附加信息并構(gòu)建更優(yōu)雅的模型來完善推薦效果,結(jié)合物品屬性和用戶屬性的推薦方法被證明是有效的,本文將從其中的社會化標(biāo)簽的維度來研究如何提升推薦效果。在跨領(lǐng)域的推薦系統(tǒng)中,推薦系統(tǒng)的另一個挑戰(zhàn)是冷啟動問題,其中如何敏捷地捕獲... 

【文章頁數(shù)】：75 頁

【學(xué)位級別】：碩士

【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
    1.3 本文的主要工作
    1.4 本文的組織結(jié)構(gòu)
第二章 相關(guān)概念和技術(shù)
    2.1 推薦算法基礎(chǔ)
        2.1.1 相似度度量
        2.1.2 基于鄰域的推薦算法
        2.1.3 基于模型的推薦算法
    2.2 標(biāo)簽系統(tǒng)
        2.2.1 社會化標(biāo)簽
        2.2.2 結(jié)合標(biāo)簽的推薦算法
    2.3 跨域推薦
        2.3.1 領(lǐng)域與跨域概念
        2.3.2 跨領(lǐng)域的數(shù)據(jù)關(guān)聯(lián)
        2.3.3 跨域算法分類
        2.3.4 跨域推薦算法
    2.4 推薦系統(tǒng)的評價方式
        2.4.1 對于TopN問題
        2.4.2 對于評分問題
    2.5 本章小結(jié)
第三章 標(biāo)簽跨域推薦模型
    3.1 問題定義與分析
        3.1.1 問題定義
        3.1.2 問題分析
    3.2 標(biāo)簽遷移聚類
        3.2.1 標(biāo)簽的向量化表示
        3.2.2 源領(lǐng)域標(biāo)簽聚類
        3.2.3 目標(biāo)域標(biāo)簽遷移
        3.2.4 生成標(biāo)簽主題概率矩陣
    3.3 主題因子分解機
        3.3.1 特征組合
        3.3.2 模型構(gòu)建
        3.3.3 評分預(yù)測計算
    3.4 本章小結(jié)
第四章 實驗分析
    4.1 實驗設(shè)置
        4.1.1 實驗環(huán)境
        4.1.2 數(shù)據(jù)集
        4.1.3 評價指標(biāo)
    4.2 標(biāo)簽遷移實驗
        4.2.1 數(shù)據(jù)預(yù)處理
        4.2.2 標(biāo)簽維度和主題數(shù)量的影響
    4.3 主題因子分解機實驗
        4.3.1 標(biāo)簽最大值采樣的影響
        4.3.2 嵌入層神經(jīng)元數(shù)量的影響
        4.3.3 標(biāo)簽重疊度的影響
    4.4 對比實驗分析
        4.4.1 對比方法
        4.4.2 對比結(jié)果
    4.5 本章小結(jié)
第五章 總結(jié)與展望
    5.1 研究總結(jié)
    5.2 研究展望
致謝
參考文獻


【參考文獻】：
博士論文
[1]個性化推薦的可解釋性研究[D]. 張永鋒.清華大學(xué) 2016



本文編號：3663536