隨著互聯(lián)網(wǎng)技術(shù)的迅速發(fā)展和數(shù)據(jù)量的激增,能夠有效解決信息過(guò)載現(xiàn)象的推薦系統(tǒng)應(yīng)運(yùn)而生。協(xié)同過(guò)濾推薦算法是推薦系統(tǒng)中應(yīng)用最廣泛、發(fā)展最快的一種算法。由于只利用了用戶和項(xiàng)目的交互信息,它的發(fā)展受到了數(shù)據(jù)稀疏性和冷啟動(dòng)問(wèn)題的嚴(yán)重影響,這導(dǎo)致算法的準(zhǔn)確率受到了限制。研究表明,引入輔助信息可以有效緩解協(xié)同過(guò)濾算法的冷啟動(dòng)、數(shù)據(jù)稀疏問(wèn)題,但淺層模型具有特征提取效果不佳的缺點(diǎn)。近年來(lái),將深度學(xué)習(xí)模型應(yīng)用于推薦系統(tǒng)的方法不斷涌現(xiàn),但以上問(wèn)題仍然存在。針對(duì)這些問(wèn)題,本文利用深度學(xué)習(xí)中的層疊稀疏降噪自編碼器,將輔助信息融入推薦算法來(lái)增強(qiáng)算法的特征提取能力,更準(zhǔn)確地完成評(píng)分的預(yù)測(cè)。主要研究?jī)?nèi)容有以下幾點(diǎn):1.提出“層疊稀疏降噪自編碼器增強(qiáng)的基于用戶分類的隱含因子算法”,該算法采用“深層模型提取項(xiàng)目特征+淺層模型提取用戶特征”的組合模式。用戶特征提取:使用系統(tǒng)評(píng)分制度的平均值改進(jìn)指示函數(shù)的判定條件,使其更具有合理性,并將用戶分類矩陣融入到隱含因子模型的預(yù)測(cè)評(píng)分中,通過(guò)用戶分類,判定新用戶所屬類別,有效解決了新用戶冷啟動(dòng)的問(wèn)題。項(xiàng)目冷啟動(dòng)、數(shù)據(jù)稀疏、淺層模型特征提取能力有限的問(wèn)題:使用“深度學(xué)習(xí)+隱含因子模型”的...

【文章頁(yè)數(shù)】：69 頁(yè)

【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
        1.1.1 推薦系統(tǒng)
        1.1.2 深度學(xué)習(xí)
    1.2 研究意義
    1.3 研究現(xiàn)狀
    1.4 本文研究?jī)?nèi)容和創(chuàng)新點(diǎn)
        1.4.1 本文研究?jī)?nèi)容
        1.4.2 本文的創(chuàng)新點(diǎn)
    1.5 本文組織結(jié)構(gòu)
第2章 相關(guān)理論與方法
    2.1 推薦系統(tǒng)
        2.1.1 推薦算法分類
        2.1.2 推薦算法質(zhì)量評(píng)估指標(biāo)
    2.2 隱含因子模型
    2.3 自編碼器相關(guān)理論知識(shí)
        2.3.1 自編碼器
        2.3.2 降噪自編碼器
        2.3.3 稀疏自編碼器
        2.3.4 層疊稀疏降噪自編碼器
    2.4 本章小結(jié)
第3章 sSDAE增強(qiáng)的基于用戶分類的隱含因子算法
    3.1 擬解決的問(wèn)題
    3.2 sSDAE增強(qiáng)的基于用戶分類的隱含因子算法設(shè)計(jì)
        3.2.1 sSDA-UCLFM算法框架
        3.2.2 基于用戶分類的隱含因子算法(UCLFM)
        3.2.3 層疊稀疏降噪自編碼器(sSDAE)的實(shí)現(xiàn)
    3.3 sSDA-UCLFM算法流程
    3.4 實(shí)驗(yàn)設(shè)計(jì)與結(jié)果分析
        3.4.1 實(shí)驗(yàn)系統(tǒng)設(shè)計(jì)
        3.4.2 數(shù)據(jù)集構(gòu)建和數(shù)據(jù)預(yù)處理
        3.4.3 實(shí)驗(yàn)環(huán)境和參數(shù)設(shè)置
        3.4.4 對(duì)比實(shí)驗(yàn)設(shè)計(jì)和評(píng)測(cè)指標(biāo)
        3.4.5 實(shí)驗(yàn)結(jié)果及分析
    3.5 本章小結(jié)
第4章 sSDAE融入輔助信息的隱含因子推薦算法
    4.1 擬解決的問(wèn)題
    4.2 sSDAE融入輔助信息的隱含因子推薦算法設(shè)計(jì)
        4.2.1 sSDA-LFM算法框架
        4.2.2 sSDAE融入輔助信息的LFM算法
    4.3 sSDA-LFM算法流程
    4.4 實(shí)驗(yàn)與結(jié)果分析
        4.4.1 實(shí)驗(yàn)系統(tǒng)設(shè)計(jì)
        4.4.2 實(shí)驗(yàn)環(huán)境和評(píng)測(cè)指標(biāo)
        4.4.3 實(shí)驗(yàn)參數(shù)設(shè)置
        4.4.4 對(duì)比實(shí)驗(yàn)設(shè)計(jì)
        4.4.5 實(shí)驗(yàn)結(jié)果及分析
    4.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間的學(xué)術(shù)成果
致謝



本文編號(hào)：3758799