近年來(lái),人們與互聯(lián)網(wǎng)的交互日益頻繁而密切。隨之而來(lái)的各種手機(jī)應(yīng)用與網(wǎng)絡(luò)媒體也迎來(lái)了高速的發(fā)展,上網(wǎng)的用戶每天都不得不從海量數(shù)據(jù)中尋找自己感興趣的內(nèi)容,推薦系統(tǒng)便因此開始在互聯(lián)網(wǎng)中產(chǎn)生作用。本文主要研究的是興趣點(diǎn)推薦這一應(yīng)用領(lǐng)域,興趣點(diǎn)推薦系統(tǒng)專注于幫助移動(dòng)用戶探索新的區(qū)域,目的是通過(guò)挖掘用戶偏好和興趣點(diǎn)特征等多種因素來(lái)對(duì)用戶當(dāng)前時(shí)間點(diǎn)可能做出的行為進(jìn)行預(yù)測(cè),從而推薦出最優(yōu)的探索位置列表供用戶選擇。本文主要包括以下幾個(gè)方面的工作:針對(duì)目前推薦領(lǐng)域中存在的信息多元化的情況,本文旨在融合多種不同的數(shù)據(jù)類型來(lái)構(gòu)建端到端的推薦模型。為了解決用戶與興趣點(diǎn)間的多度關(guān)系表示,緩解用戶行為稀疏的問(wèn)題,本文基于圖卷積技術(shù)對(duì)用戶與興趣點(diǎn)的交互關(guān)系圖網(wǎng)絡(luò)進(jìn)行特征學(xué)習(xí)。為了解決文本數(shù)據(jù)建模問(wèn)題,本文分別對(duì)興趣點(diǎn)的簡(jiǎn)介文本和用戶評(píng)論信息利用基于注意力機(jī)制的句向量建模和語(yǔ)法分析的手段來(lái)構(gòu)建其對(duì)應(yīng)的向量表達(dá)。為了有效捕捉用戶的興趣變化,本文將用戶的歷史行為分為長(zhǎng)時(shí)興趣序列和短時(shí)興趣序列,隨后利用循環(huán)神經(jīng)網(wǎng)絡(luò)和注意力機(jī)制對(duì)序列數(shù)據(jù)進(jìn)行建模,將用戶行為轉(zhuǎn)換為一種合理的向量表達(dá)。最后通過(guò)一個(gè)端到端的網(wǎng)絡(luò)融合以上三個(gè)方面的特... 

【文章頁(yè)數(shù)】：77 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究工作的背景與意義
    1.2 國(guó)內(nèi)外研究歷史與現(xiàn)狀
        1.2.1 利用深度學(xué)習(xí)進(jìn)行推薦的研究現(xiàn)狀
        1.2.2 興趣點(diǎn)推薦的研究現(xiàn)狀
    1.3 本文的主要工作與創(chuàng)新
    1.4 本論文的結(jié)構(gòu)安排
第二章 相關(guān)理論與技術(shù)
    2.1 推薦算法
    2.2 自然語(yǔ)言處理
        2.2.1 詞向量建模
        2.2.2 意見挖掘
    2.3 圖表示學(xué)習(xí)
    2.4 本章小結(jié)
第三章 混合多特征的推薦算法設(shè)計(jì)
    3.1 交互圖網(wǎng)絡(luò)表示學(xué)習(xí)
    3.2 興趣點(diǎn)文本特征建模
        3.2.1 簡(jiǎn)介向量建模
        3.2.2 評(píng)論特征建模
    3.3 用戶訪問(wèn)序列特征建模
    3.4 模型整合
    3.5 模型訓(xùn)練
    3.6 本章小結(jié)
第四章 基于推薦模型的召回策略研究
    4.1 基于向量的召回策略
    4.2 基于文本特征的優(yōu)化策略
    4.3 基于時(shí)間的優(yōu)化策略
    4.4 推薦流程
    4.5 本章小結(jié)
第五章 實(shí)驗(yàn)結(jié)果分析
    5.1 實(shí)驗(yàn)運(yùn)行環(huán)境與數(shù)據(jù)集
    5.2 實(shí)驗(yàn)評(píng)價(jià)指標(biāo)
    5.3 不同特征因素對(duì)推薦結(jié)果的影響
        5.3.1 推薦算法結(jié)果分析
        5.3.2 圖網(wǎng)絡(luò)特征分析
        5.3.3 文本評(píng)論特征的可解釋性分析
    5.4 召回策略的效果分析
    5.5 本章小結(jié)
第六章 總結(jié)與展望
    6.1 全文總結(jié)
    6.2 不足與展望
致謝
參考文獻(xiàn)



本文編號(hào)：3722583