隨著互聯(lián)網(wǎng)信息的暴增,在信息呈現(xiàn)指數(shù)增長的互聯(lián)網(wǎng)時(shí)代,人們通過網(wǎng)絡(luò)獲取有意義和有價(jià)值的信息的代價(jià)和成本越來越高,信息的獲取越來越困難,這也催生了當(dāng)前的智能推薦技術(shù)的發(fā)展,從目前來看,大部分的網(wǎng)站和平臺(tái)都應(yīng)用了智能化的推薦技術(shù)來為客戶提供信息服務(wù),以讓客戶快速的找到其想要的信息內(nèi)容,但是從實(shí)際的使用情況來看,目前的信息推薦系統(tǒng)的推薦準(zhǔn)確度和用戶的滿意度依然還有待進(jìn)一步的提高,這也是未來互聯(lián)網(wǎng)信息增長的長期需求,在這一背景下,本文從人格信息的角度進(jìn)行思考,將人格信息融入到用戶信息推薦系統(tǒng)的設(shè)計(jì)中,以跨域推薦系統(tǒng)的構(gòu)建和設(shè)計(jì)思想,基于社交網(wǎng)絡(luò)平臺(tái)的用戶信息實(shí)現(xiàn)了在電子商務(wù)平臺(tái)上進(jìn)行跨域推薦的算法設(shè)計(jì),通過該算法有效的提高了跨域推薦的準(zhǔn)確性和效率,本文的主要研究內(nèi)容如下:1)對(duì)跨域推薦系統(tǒng)的基本結(jié)構(gòu),深度神經(jīng)網(wǎng)絡(luò)技術(shù)和大五人格理論進(jìn)行了研究,從跨域推薦系統(tǒng)的基本結(jié)構(gòu)入手進(jìn)行分析,針對(duì)跨域通信中的推薦不準(zhǔn)確和無法適用新用戶和新項(xiàng)目的冷啟動(dòng)問題,提出了引入大五人格信息和深度神經(jīng)網(wǎng)絡(luò)技術(shù)解決方案;2)完成了社交平臺(tái)用戶人格信息自動(dòng)匹配算法的設(shè)計(jì),針對(duì)人格信息存在的潛在影響和決定用戶行為和決策的特點(diǎn),... 

【文章頁數(shù)】：60 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景和意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 跨域推薦技術(shù)研究現(xiàn)狀
        1.2.2 基于人格信息的推薦相關(guān)技術(shù)研究現(xiàn)狀
    1.3 主要研究內(nèi)容及創(chuàng)新
    1.4 本文組織結(jié)構(gòu)
第2章 跨域推薦系統(tǒng)及技術(shù)基礎(chǔ)
    2.1 跨域推薦系統(tǒng)
    2.2 深度神經(jīng)網(wǎng)絡(luò)技術(shù)
        2.2.1 神經(jīng)網(wǎng)絡(luò)及學(xué)習(xí)過程
        2.2.2 深度神經(jīng)網(wǎng)絡(luò)模型及訓(xùn)練過程
        2.2.3 深度神經(jīng)網(wǎng)絡(luò)在推薦系統(tǒng)中的應(yīng)用
    2.3 大五人格理論
    2.4 本章小結(jié)
第3章 社交平臺(tái)用戶人格信息匹配算法
    3.1 算法基本思路
    3.2 基于大五人格理論的用戶人格匹配方法
        3.2.1 BFM評(píng)分表的確定
        3.2.2 人格因素值計(jì)算及用戶五維人格評(píng)分
    3.3 社交平臺(tái)用戶人格自動(dòng)匹配算法實(shí)現(xiàn)流程
    3.4 實(shí)驗(yàn)仿真分析
        3.4.1 實(shí)驗(yàn)數(shù)據(jù)來源
        3.4.2 對(duì)比模型
        3.4.3 實(shí)驗(yàn)設(shè)計(jì)
        3.4.4 實(shí)驗(yàn)結(jié)果及分析
    3.5 本章小結(jié)
第4章 基于用戶人格信息的深度神經(jīng)網(wǎng)絡(luò)跨域推薦算法
    4.1 算法基本思路
    4.2 融入人格信息的協(xié)同過濾算法
    4.3 跨域深度神經(jīng)網(wǎng)絡(luò)模型構(gòu)建
        4.3.1 跨域深度神經(jīng)網(wǎng)絡(luò)模型
        4.3.2 重要參數(shù)設(shè)置
        4.3.3 訓(xùn)練過程
    4.4 基于人格感知的深度神經(jīng)網(wǎng)絡(luò)跨域推薦算法
        4.4.1 算法整體方案設(shè)計(jì)
        4.4.2 各輔助域上特征信息的提取
        4.4.3 深度網(wǎng)絡(luò)神經(jīng)算法訓(xùn)練模塊設(shè)計(jì)
    4.5 實(shí)驗(yàn)仿真分析
        4.5.1 實(shí)驗(yàn)數(shù)據(jù)來源
        4.5.2 對(duì)比模型
        4.5.3 實(shí)驗(yàn)設(shè)計(jì)
        4.5.4 實(shí)驗(yàn)結(jié)果及分析
    4.6 本章小結(jié)
第5章 結(jié)論
參考文獻(xiàn)
攻讀碩士期間發(fā)表的學(xué)術(shù)論文和取得的科研成果
致謝
附錄1


【參考文獻(xiàn)】：
期刊論文
[1]基于注意力機(jī)制與評(píng)論文本深度模型的推薦方法[J]. 黃文明,衛(wèi)萬成,張健,鄧珍榮.  計(jì)算機(jī)工程. 2019(09)
[2]基于深度學(xué)習(xí)的圖書館服務(wù)研究[J]. 唐姍姍,吳朋有娣,王戰(zhàn)林,李慧.  圖書情報(bào)導(dǎo)刊. 2018(11)
[3]國家自然科學(xué)基金推薦系統(tǒng)研究領(lǐng)域資助分析[J]. 楚涵婷,邢星,孟志鑫,賈志淳.  計(jì)算機(jī)工程與應(yīng)用. 2019(09)
[4]一種知識(shí)圖譜的排序?qū)W習(xí)個(gè)性化推薦算法[J]. 楊晉吉,胡波,王欣明,伍昱燊,趙淦森.  小型微型計(jì)算機(jī)系統(tǒng). 2018(11)
[5]基于深度學(xué)習(xí)的短視頻中的物體檢測(cè)與內(nèi)容推薦系統(tǒng)研究[J]. 石殷巧,劉守印,馬超.  計(jì)算機(jī)與現(xiàn)代化. 2018(11)
[6]基于雙層注意力機(jī)制的深度學(xué)習(xí)電影推薦系統(tǒng)[J]. 肖青秀,湯鯤.  計(jì)算機(jī)與現(xiàn)代化. 2018(11)
[7]深度學(xué)習(xí)視角下基于多模態(tài)知識(shí)圖譜的MOOC課程重構(gòu)[J]. 王亮.  現(xiàn)代教育技術(shù). 2018(10)
[8]基于深度學(xué)習(xí)的視頻背景音樂自動(dòng)推薦算法研究[J]. 呂軍輝.  電視技術(shù). 2018(10)
[9]DeepEye:一個(gè)基于深度學(xué)習(xí)的程序化交易識(shí)別與分類方法[J]. 徐廣斌,張偉.  大數(shù)據(jù). 2018(05)
[10]基于深度學(xué)習(xí)的多交互混合推薦模型[J]. 李同歡,唐雁,劉冰.  計(jì)算機(jī)工程與應(yīng)用. 2019(01)

博士論文
[1]基于多樣化內(nèi)容數(shù)據(jù)的個(gè)性化推薦系統(tǒng)[D]. 練建勛.中國科學(xué)技術(shù)大學(xué) 2018

碩士論文
[1]基于改進(jìn)SVD和遷移學(xué)習(xí)的矩陣分解推薦算法研究[D]. 魏港明.北京交通大學(xué) 2018
[2]面向概念的描述詞推薦算法研究及圖書專題自動(dòng)生成應(yīng)用[D]. 劉佳卉.浙江大學(xué) 2018
[3]基于交叉用戶的跨域推薦算法研究與實(shí)現(xiàn)[D]. 王游.西安電子科技大學(xué) 2017
[4]多維數(shù)據(jù)融合的電影推薦系統(tǒng)研究與實(shí)現(xiàn)[D]. 楊笑鋒.昆明理工大學(xué) 2018
[5]互聯(lián)網(wǎng)信息存儲(chǔ)檢索優(yōu)化及推薦技術(shù)研究[D]. 姚崇崇.哈爾濱工業(yè)大學(xué) 2016
[6]基于用戶性格的協(xié)同過濾推薦研究[D]. 全智超.首都師范大學(xué) 2014



本文編號(hào)：3700397