在社會(huì)信息化的今天,推薦系統(tǒng)能夠幫助人們從海量的信息中找到其所感興趣的信息,使得用戶查找信息的壓力得到了緩解。因此眾多專家學(xué)者對(duì)推薦系統(tǒng)展開了研究,提出了許多推薦系統(tǒng)的解決方案。但是現(xiàn)有的推薦系統(tǒng)一般根據(jù)用戶的歷史點(diǎn)擊記錄或用戶對(duì)物品的評(píng)分進(jìn)行推薦,忽略了很多對(duì)推薦有用的信息,比如用戶物品交互信息、社會(huì)常識(shí)等。而知識(shí)圖譜中的結(jié)構(gòu)知識(shí)可以為推薦系統(tǒng)提供額外的信息,對(duì)推薦進(jìn)行知識(shí)層面的輔助。因此,將知識(shí)圖譜引入到推薦系統(tǒng)中,在知識(shí)層面將用戶的歷史行為記錄與候選物品聯(lián)系起來從而提升推薦效果,具有一定的研究價(jià)值。基于知識(shí)圖譜引入推薦系統(tǒng)的兩種方式依次學(xué)習(xí)和聯(lián)合學(xué)習(xí),提出了一種動(dòng)態(tài)更新特征向量的方法,該方法在知識(shí)圖譜得到實(shí)體特征向量的基礎(chǔ)上,綜合考慮推薦中的用戶歷史瀏覽數(shù)據(jù),通過模擬用戶興趣在知識(shí)圖譜上的傳播,對(duì)實(shí)體特征向量做適當(dāng)?shù)恼{(diào)整,使其更好的滿足推薦所需。同時(shí)根據(jù)新聞的特點(diǎn),提出了一種推薦方法使其能夠充分挖掘新聞標(biāo)題中語義層面和知識(shí)層面的信息,在此基礎(chǔ)上構(gòu)建了新聞推薦模型。通過實(shí)驗(yàn)驗(yàn)證了知識(shí)圖譜對(duì)推薦系統(tǒng)效果的提升、實(shí)體特征向量動(dòng)態(tài)更新的有效性以及LSTM對(duì)于語義挖掘的影響。實(shí)驗(yàn)還列出了不... 

【文章頁數(shù)】：55 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 研究的意義、內(nèi)容和目標(biāo)
2 知識(shí)圖譜與新聞推薦的結(jié)合方法
    2.1 知識(shí)圖譜應(yīng)用到推薦系統(tǒng)的方法討論
    2.2 基于知識(shí)圖譜的推薦系統(tǒng)框架討論
    2.3 基于知識(shí)圖譜的新聞推薦框架描述
    2.4 本章小結(jié)
3 新聞推薦方法的實(shí)現(xiàn)
    3.1 知識(shí)圖譜預(yù)處理
    3.2 新聞特征向量的提取與利用
    3.3 用戶特征向量的生成
    3.4 推薦新聞生成
    3.5 本章小結(jié)
4 實(shí)驗(yàn)及分析
    4.1 實(shí)驗(yàn)數(shù)據(jù)集
    4.2 評(píng)價(jià)指標(biāo)
    4.3 實(shí)驗(yàn)結(jié)果及分析
    4.4 本章小結(jié)
5 結(jié)束語
    5.1 已結(jié)束的工作
    5.2 下一步的工作
致謝
參考文獻(xiàn)


【參考文獻(xiàn)】：
期刊論文
[1]知識(shí)圖譜的推薦系統(tǒng)綜述[J]. 常亮,張偉濤,古天龍,孫文平,賓辰忠.  智能系統(tǒng)學(xué)報(bào). 2019(02)
[2]機(jī)器學(xué)習(xí)方法在個(gè)性化推薦系統(tǒng)中的應(yīng)用[J]. 劉忠寶.  情報(bào)探索. 2016(04)
[3]知識(shí)表示學(xué)習(xí)研究進(jìn)展[J]. 劉知遠(yuǎn),孫茂松,林衍凱,謝若冰.  計(jì)算機(jī)研究與發(fā)展. 2016(02)
[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]移動(dòng)推薦系統(tǒng)及其應(yīng)用[J]. 孟祥武,胡勛,王立才,張玉潔.  軟件學(xué)報(bào). 2013(01)

碩士論文
[1]基于知識(shí)圖譜的推薦技術(shù)研究及應(yīng)用[D]. 王一鳴.電子科技大學(xué) 2018



本文編號(hào)：3670176