為了解決互聯(lián)網(wǎng)中的信息過載問題,推薦系統(tǒng)已經(jīng)被廣泛地運用于各種應用中,例如視頻網(wǎng)站、電商平臺等。從數(shù)字電視發(fā)展而來,IPTV使觀眾能夠以更方便、更高效的方式訪問多媒體內(nèi)容。尤其是,IPTV提供的交互式服務,使得觀眾能夠在任何時候觀看優(yōu)選的內(nèi)容。然而,隨著可用內(nèi)容的不斷增加,IPTV也面臨著“用戶選擇困難”的窘境。因此,IPTV運營商發(fā)展推薦系統(tǒng)向觀眾提供個性化服務。本文以面向IPTV應用的推薦模型為主要研究內(nèi)容,使用了深度學習中的注意力機制來構(gòu)建相應的推薦模型。具體來講,針對IPTV應用中的隱式反饋問題,提出了模型Transformer with Fusion對用戶的行為序列建模;針對IPTV賬戶由家庭用戶共享的問題,提出了模型Trans-LSTP對用戶的行為序列建模。論文主要完成了以下三個方面的工作。1.根據(jù)用戶的序列行為,本文提出了基于Transformer和MLP的Transformer with Fusion,來解決IPTV應用中根本不存在顯示反饋、而存在大量隱式反饋的問題。具體而言,基于Transformer的語義層對用戶的歷史順序行為進行建模,并將目標影片進行解碼來獲得用戶... 

【文章頁數(shù)】：78 頁

【學位級別】：碩士

【部分圖文】：

經(jīng)典的多層感知機結(jié)構(gòu)

常用的S型激活函數(shù)

ReLU函的曲線圖


本文編號：3690563