基于深度學(xué)習(xí)的服務(wù)推薦方法研究
發(fā)布時(shí)間:2023-03-24 05:37
隨著云服務(wù),微服務(wù),移動(dòng)服務(wù),物聯(lián)網(wǎng)服務(wù)等服務(wù)在互聯(lián)網(wǎng)上的大范圍部署,互聯(lián)網(wǎng)迎來了“一切都是服務(wù)”時(shí)代。在Internet上部署的各種服務(wù)資源嚴(yán)重增加了用戶尋找合適服務(wù)的難度。為此,如何向用戶推薦符合其差異化需要的服務(wù)成為服務(wù)計(jì)算領(lǐng)域極具挑戰(zhàn)性的研究課題之一。在面向服務(wù)架構(gòu)(Service-Oriented Architecture,SOA)的推薦系統(tǒng)中,用戶的個(gè)性化需求(或喜好)是以服務(wù)質(zhì)量(Quality of Service,QoS)的表現(xiàn)形式呈現(xiàn)的。QoS從本質(zhì)上是對(duì)Web服務(wù)非功能屬性描述的集合(例如響應(yīng)時(shí)間、可靠性等)。因此,服務(wù)推薦亟待處理的關(guān)鍵任務(wù)即對(duì)QoS進(jìn)行預(yù)測(cè)。在現(xiàn)有的服務(wù)推薦方法中,協(xié)同過濾(Collaborative Filtering,CF)和深度學(xué)習(xí)(Deep Learning,DL)是應(yīng)用于QoS預(yù)測(cè)任務(wù)的兩種典型范例。基于CF的方法利用用戶行為的交互記錄來預(yù)測(cè)未知的服務(wù)質(zhì)量,相似度計(jì)算是其關(guān)鍵步驟。近年來,越來越多的工作將位置、時(shí)間、信用等上下文信息納入相似度計(jì)算中,從而提高了預(yù)測(cè)精度。然而,基于CF的方法依然存在如下缺陷:(1)僅學(xué)習(xí)到用戶與服務(wù)間的...
【文章頁(yè)數(shù)】:69 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
abstract
第一章 緒論
1.1 研究背景及意義
1.2 國(guó)內(nèi)外研究現(xiàn)狀
1.2.1 基于協(xié)同過濾的服務(wù)推薦
1.2.2 基于深度學(xué)習(xí)的服務(wù)推薦
1.3 研究?jī)?nèi)容闡述
1.4 論文結(jié)構(gòu)設(shè)計(jì)
1.5 本章小結(jié)
第二章 相關(guān)理論及方法
2.1 協(xié)同過濾相關(guān)理論及方法
2.1.1 基于記憶的協(xié)同過濾方法
2.1.2 基于模型的協(xié)同過濾方法
2.2 深度學(xué)習(xí)相關(guān)理論及方法
2.2.1 深度學(xué)習(xí)介紹及發(fā)展趨勢(shì)
2.2.2 深度神經(jīng)網(wǎng)絡(luò)理論及方法
2.3 本章小結(jié)
第三章 時(shí)間感知的循環(huán)張量分解方法
3.1 問題定義
3.2 寫作動(dòng)機(jī)
3.3 架構(gòu)設(shè)計(jì)
3.3.1 投影
3.3.2 初始化
3.3.3 訓(xùn)練
3.4 優(yōu)化算法
3.5 損失函數(shù)
3.6 復(fù)雜度分析
3.7 實(shí)驗(yàn)結(jié)果與分析
3.7.1 數(shù)據(jù)集
3.7.2 預(yù)處理
3.7.3 評(píng)估指標(biāo)
3.7.4 對(duì)比方法
3.7.5 實(shí)驗(yàn)環(huán)境
3.7.6 性能評(píng)估
3.8 本章小結(jié)
第四章 空間感知的深度協(xié)同過濾方法
4.1 問題定義
4.2 寫作動(dòng)機(jī)
4.3 架構(gòu)設(shè)計(jì)
4.3.1 輸入層
4.3.2 中間層
4.3.3 輸出層
4.4 優(yōu)化算法
4.5 損失函數(shù)
4.6 復(fù)雜度分析
4.7 實(shí)驗(yàn)結(jié)果與分析
4.7.1 數(shù)據(jù)集
4.7.2 預(yù)處理
4.7.3 評(píng)估指標(biāo)
4.7.4 對(duì)比方法
4.7.5 實(shí)驗(yàn)環(huán)境
4.7.6 性能評(píng)估
4.8 本章小結(jié)
第五章 總結(jié)與展望
5.1 總結(jié)
5.2 展望
參考文獻(xiàn)
附錄
Appendix
致謝
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文
攻讀學(xué)位期間發(fā)明的專利展示
攻讀學(xué)位期間參與的項(xiàng)目展示
本文編號(hào):3769549
【文章頁(yè)數(shù)】:69 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
abstract
第一章 緒論
1.1 研究背景及意義
1.2 國(guó)內(nèi)外研究現(xiàn)狀
1.2.1 基于協(xié)同過濾的服務(wù)推薦
1.2.2 基于深度學(xué)習(xí)的服務(wù)推薦
1.3 研究?jī)?nèi)容闡述
1.4 論文結(jié)構(gòu)設(shè)計(jì)
1.5 本章小結(jié)
第二章 相關(guān)理論及方法
2.1 協(xié)同過濾相關(guān)理論及方法
2.1.1 基于記憶的協(xié)同過濾方法
2.1.2 基于模型的協(xié)同過濾方法
2.2 深度學(xué)習(xí)相關(guān)理論及方法
2.2.1 深度學(xué)習(xí)介紹及發(fā)展趨勢(shì)
2.2.2 深度神經(jīng)網(wǎng)絡(luò)理論及方法
2.3 本章小結(jié)
第三章 時(shí)間感知的循環(huán)張量分解方法
3.1 問題定義
3.2 寫作動(dòng)機(jī)
3.3 架構(gòu)設(shè)計(jì)
3.3.1 投影
3.3.2 初始化
3.3.3 訓(xùn)練
3.4 優(yōu)化算法
3.5 損失函數(shù)
3.6 復(fù)雜度分析
3.7 實(shí)驗(yàn)結(jié)果與分析
3.7.1 數(shù)據(jù)集
3.7.2 預(yù)處理
3.7.3 評(píng)估指標(biāo)
3.7.4 對(duì)比方法
3.7.5 實(shí)驗(yàn)環(huán)境
3.7.6 性能評(píng)估
3.8 本章小結(jié)
第四章 空間感知的深度協(xié)同過濾方法
4.1 問題定義
4.2 寫作動(dòng)機(jī)
4.3 架構(gòu)設(shè)計(jì)
4.3.1 輸入層
4.3.2 中間層
4.3.3 輸出層
4.4 優(yōu)化算法
4.5 損失函數(shù)
4.6 復(fù)雜度分析
4.7 實(shí)驗(yàn)結(jié)果與分析
4.7.1 數(shù)據(jù)集
4.7.2 預(yù)處理
4.7.3 評(píng)估指標(biāo)
4.7.4 對(duì)比方法
4.7.5 實(shí)驗(yàn)環(huán)境
4.7.6 性能評(píng)估
4.8 本章小結(jié)
第五章 總結(jié)與展望
5.1 總結(jié)
5.2 展望
參考文獻(xiàn)
附錄
Appendix
致謝
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文
攻讀學(xué)位期間發(fā)明的專利展示
攻讀學(xué)位期間參與的項(xiàng)目展示
本文編號(hào):3769549
本文鏈接:http://sikaile.net/kejilunwen/shengwushengchang/3769549.html
最近更新
教材專著