隨著互聯(lián)網(wǎng)的不斷發(fā)展,從聽音樂、看新聞、瀏覽視頻到購買商品,推薦系統(tǒng)早已無處不在,推薦算法逐漸成為各大企業(yè)解決信息過載的主要技術(shù)手段。現(xiàn)有的推薦算法主要是根據(jù)用戶或者物品來計(jì)算相似度,從而為用戶推薦更為相似的物品,但是這已經(jīng)遠(yuǎn)遠(yuǎn)滿足不了用戶的需求。而隨著用戶瀏覽日志的累加和物品信息的完善,與推薦相關(guān)的輔助信息也越來越多,這些輔助信息統(tǒng)稱為side information,如何有效地結(jié)合side information與傳統(tǒng)的推薦算法已經(jīng)成為目前推薦領(lǐng)域的研究熱點(diǎn)。傳統(tǒng)的推薦算法研究存在如下兩個(gè)問題:一主要在擬合用戶的評分?jǐn)?shù)據(jù),即便使用了部分用戶信息或者物品信息,也只能提取淺層次的用戶特征或者物品特征,如果能夠充分利用海量的結(jié)構(gòu)化和非結(jié)構(gòu)化的數(shù)據(jù),就可以挖掘數(shù)據(jù)的深層次特征,更好地對用戶和物品進(jìn)行建模,從而為用戶推薦更有代表性的物品;二是冷啟動(dòng)問題突出,數(shù)據(jù)稀疏性嚴(yán)重。協(xié)同過濾是推薦算法中最常用的一種方法,在工業(yè)界和學(xué)術(shù)界有大量的研究和應(yīng)用涌現(xiàn)。雖然有些研究已經(jīng)開始使用side information來提取隱變量,但是仍有提升的空間。本研究基于side information和深度學(xué)習(xí)提... 

【文章頁數(shù)】：77 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 背景意義
    1.2 研究現(xiàn)狀與存在問題
        1.2.1 國內(nèi)外研究現(xiàn)狀
        1.2.2 現(xiàn)有研究存在的問題
    1.3 本論文的研究成果
        1.3.1 本論文的工作
        1.3.2 本論文的創(chuàng)新點(diǎn)
    1.4 本論文的篇章架構(gòu)
第二章 基于side information和深度學(xué)習(xí)的推薦算法技術(shù)分析
    2.1 對推薦算法的研究綜述
    2.2 本論文的技術(shù)路線
    2.3 相關(guān)理論與技術(shù)簡介
        2.3.1 基于矩陣分解的推薦算法
        2.3.2 基于深度學(xué)習(xí)的推薦算法
    2.4 本章小結(jié)
第三章 基于side information和深度學(xué)習(xí)的推薦算法研究
    3.1 side information的特征分析和預(yù)處理方法研究
        3.1.1 side information的特征研究
        3.1.2 side information的預(yù)處理方法研究
    3.2 基于卷積神經(jīng)網(wǎng)絡(luò)和詞向量的推薦算法研究
        3.2.1 問題定義
        3.2.2 基于卷積神經(jīng)網(wǎng)絡(luò)的推薦算法研究
        3.2.3 基于詞向量的推薦算法研究
    3.3 基于side information和深度學(xué)習(xí)的PHD模型
        3.3.1 PHD模型
        3.3.2 基于PHD模型的輔助堆疊去噪自編碼器
        3.3.3 基于PHD模型的卷積神經(jīng)網(wǎng)絡(luò)
        3.3.4 基于PHD模型的求解
    3.4 基于PHD模型的優(yōu)化和并行化研究
        3.4.1 基于PHD模型的優(yōu)化研究
        3.4.2 基于PHD模型的并行化研究
    3.5 本章小結(jié)
第四章 基于side information和深度學(xué)習(xí)的推薦算法實(shí)現(xiàn)分析
    4.1 數(shù)據(jù)集介紹
    4.2 實(shí)驗(yàn)方法
        4.2.1 實(shí)驗(yàn)設(shè)計(jì)
        4.2.2 對比方法
        4.2.3 評價(jià)指標(biāo)
    4.3 實(shí)驗(yàn)對比
    4.4 系統(tǒng)實(shí)現(xiàn)
        4.4.1 系統(tǒng)架構(gòu)
        4.4.2 系統(tǒng)設(shè)計(jì)
        4.4.3 實(shí)現(xiàn)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
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文
攻讀碩士學(xué)位期間參與的項(xiàng)目


【參考文獻(xiàn)】：
期刊論文
[1]移動(dòng)互聯(lián)網(wǎng)推薦系統(tǒng)研究綜述[J]. 陳偉,卜慶凱.  電腦知識與技術(shù). 2018(11)
[2]基于深度學(xué)習(xí)的推薦系統(tǒng)研究綜述[J]. 黃立威,江碧濤,呂守業(yè),劉艷博,李德毅.  計(jì)算機(jī)學(xué)報(bào). 2018(07)
[3]深度學(xué)習(xí)研究綜述[J]. 尹寶才,王文通,王立春.  北京工業(yè)大學(xué)學(xué)報(bào). 2015(01)

博士論文
[1]推薦系統(tǒng)若干關(guān)鍵技術(shù)研究[D]. 蔣偉.電子科技大學(xué) 2018



本文編號：3693385