發(fā)布時間：2024-12-30 00:37

　　移動通信網絡的快速發(fā)展,使大量的資源沖擊著人們的日常生活。從海量的信息中挑選出吸引用戶的內容是增強用戶體驗和用戶粘度的關鍵。為此,推薦算法得到了廣泛的研究,可以為用戶提供個性化的決策支持和信息服務。近年來,基于深度學習的推薦算法得到了較多研究,實驗表明其相比傳統(tǒng)推薦算法通常具有更優(yōu)的性能�；旌贤扑]算法將輔助信息融入傳統(tǒng)推薦算法來解決該領域常面臨的數據稀疏問題,但目前的利用方式還不夠有效,且忽視了其中的深層特征。此外,其中的評論文本,包含了豐富的用戶偏好和物品特征,現有推薦算法使用評論信息時面臨許多問題,如信息丟失、引入噪聲、丟失評分與評論的對應關系等。針對以上問題,本文開展深入研究,在深度學習框架下提取并利用用戶和物品間的深層特征,提出了一種新的耦合協(xié)同過濾推薦算法,以及一種新的利用評論文本的推薦算法和一種新的同時對評論和評分進行建模的推薦算法。本文的主要工作如下:1.針對引入額外信息的混合推薦算法以及利用評論文本的推薦算法開展了深入研究,分析并總結出現有研究中存在的不足。2.提出了一種卷積協(xié)同過濾網絡——CCFNets。目前先進的混合推薦模型使用輔助文本的方式有限且線性建模方法限制了推...

【文章頁數】：83 頁

【學位級別】：碩士

【部分圖文】：

圖2-2概率矩陣分解模型結構圖

法通過填充缺失值來解決該問題，然而這種方面增加了計算量，另一方面，不準確的評噪聲，降低了模型的性能。后來，學者建議正則項來避免過擬合[46]。模型的學習過程的有正則的均方誤差來學習和，見公式￠∑()|....

圖2-3LDA文檔生成圖

老師們快速走入課堂并開始教書。如果用統(tǒng)計關鍵詞的方式，這兩句話肯定是非常不相關的，因此主題模為一種挖掘文本語義的利器而誕生，其中LDA是一種比較有效的模型，它分析文本的語義從而判斷文檔相似性。在主題模型中，主題其實是一種類似于主旨的含義，包含了相關意思的都可以作為其中的一個元....

圖2-4自編碼器結構圖

圖2-4自編碼器結構圖[57]在進一步，堆疊去噪自編碼器被提出用于增強去噪自編碼器的學習能力。眾所周知，深度學習的有效性常常歸功于能夠逐層學習從而將原始輸入向指定任務所需要的特征進行轉化。其中每一層能是在前一層的基礎上，轉化為更抽象特征表示[58,59]。堆疊去噪自編碼器將前....

圖2-5CNN文本處理結構圖

電子科技大學碩士學位論文如圖2-5所示，首先物品描述文檔通過嵌入層，每個單詞被轉化為一個語義向量，所有語義向量拼接構成了整個文檔的語義矩陣。然后以不同尺寸的卷積核作為劃窗在文檔語義矩陣中提取上下文特征，由于一個卷積核包括了大量的神經元，這些神經元可以在語義矩陣中找到模型關心的....

本文編號：4021523