發(fā)布時(shí)間：2024-02-14 19:48

　　在互聯(lián)網(wǎng)迅猛發(fā)展的今天,信息過(guò)載的現(xiàn)象愈發(fā)嚴(yán)重,在這種情況下,信息的生產(chǎn)者和消費(fèi)者都會(huì)受到不同程度的影響。一方面,信息的生產(chǎn)者難以確保他們的信息或產(chǎn)品能夠被目標(biāo)市場(chǎng)的消費(fèi)者關(guān)注到;另一方面,消費(fèi)者難以從海量的信息或產(chǎn)品中找到自己真正喜歡的目標(biāo)。推薦系統(tǒng)的產(chǎn)生正是用于解決這一問(wèn)題。協(xié)同過(guò)濾是應(yīng)用最廣泛的推薦算法,但是協(xié)同過(guò)濾系統(tǒng)只使用用戶對(duì)項(xiàng)目的評(píng)分這種顯式反饋數(shù)據(jù),無(wú)法深度挖掘用戶的細(xì)微偏好,而且由于評(píng)分?jǐn)?shù)據(jù)非常稀疏,導(dǎo)致推薦準(zhǔn)確率不高。針對(duì)這種情況,本文充分利用評(píng)分?jǐn)?shù)據(jù),提出了兩種計(jì)算用戶行為偏好的模型,分別計(jì)算用戶對(duì)項(xiàng)目的整體偏好和局部偏好,構(gòu)建了一個(gè)新的混合推薦模型,對(duì)用戶進(jìn)行項(xiàng)目推薦。首先,針對(duì)現(xiàn)有的基于隱式反饋推薦系統(tǒng)中,采用用戶為交互的項(xiàng)目構(gòu)建負(fù)樣本導(dǎo)致模型引入訓(xùn)練噪聲的情況,提出一種新的劃分正負(fù)樣本的方式,通過(guò)用戶對(duì)項(xiàng)目的評(píng)分,將高于或等于評(píng)分中位數(shù)的高分項(xiàng)目記為正樣本,反之則記為負(fù)樣本,通過(guò)計(jì)算用戶在正負(fù)樣本集上對(duì)一個(gè)項(xiàng)目的偏好值與用戶對(duì)所有項(xiàng)目的偏好值總和之比,得到用戶對(duì)一個(gè)項(xiàng)目的整體偏好程度。其次,針對(duì)現(xiàn)有的推薦系統(tǒng)未能深入挖掘用戶對(duì)一個(gè)項(xiàng)目的每個(gè)特征的偏好分配,提...

【文章頁(yè)數(shù)】：65 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖2-1LFM算法原理圖

武漢郵電科學(xué)研究院碩士學(xué)位論文10樣的隱式反饋矩陣，并通過(guò)SVD分解，將用戶對(duì)項(xiàng)目的興趣度（即user-item矩陣）降維成用戶對(duì)隱式特征類別（user-class矩陣）的偏好以及項(xiàng)目在中每個(gè)隱式特征類別的分布（class-item矩陣）�！锻扑]系統(tǒng)實(shí)戰(zhàn)》[17]一書里詳細(xì)介紹了....

圖2-3神經(jīng)翻譯機(jī)中的Attention原理圖

武漢郵電科學(xué)研究院碩士學(xué)位論文20算用戶對(duì)項(xiàng)目的偏好值，這種不利用負(fù)樣本推薦的隱式反饋系統(tǒng)，無(wú)疑會(huì)損失利用正負(fù)樣本進(jìn)行訓(xùn)練的隱式推薦模型的強(qiáng)化對(duì)比優(yōu)勢(shì)�；谏显V兩點(diǎn)，本文改進(jìn)了IFRM模型，利用用戶的顯式反饋數(shù)據(jù)創(chuàng)建正負(fù)樣本集，并將顯式反饋轉(zhuǎn)變成隱式反饋進(jìn)行模型建設(shè)，同時(shí)修正了公....

圖3-1基于隱式反饋的推薦模型

武漢郵電科學(xué)研究院碩士學(xué)位論文27圖4-1用戶對(duì)項(xiàng)目特征的注意力分配4.2.4基于注意力機(jī)制的局部偏好獲取模型算法詳解定義：用戶集={1，2，3，…}，對(duì)于任意用戶，該用戶交互列表={1，2，3，…}，其中任一項(xiàng)目由L個(gè)特征組成{1，2，3，…}，即=∑，并且包括用戶的正負(fù)樣本+....

圖4-1用戶對(duì)項(xiàng)目特征的注意力分配

武漢郵電科學(xué)研究院碩士學(xué)位論文386.2模型的性能分析本小節(jié)是對(duì)第五章的融合用戶局部偏好和全局偏好的推薦模型Att+IFGP進(jìn)行的驗(yàn)證實(shí)驗(yàn)。通過(guò)在固定不同超參數(shù)的值，逐一討論模型的學(xué)習(xí)率lr、數(shù)據(jù)集迭代次數(shù)epoch、控制因子ω和隱式特征維度d這4個(gè)超參數(shù)對(duì)模型性能的影響。實(shí)驗(yàn)結(jié)....

本文編號(hào)：3898513