天堂国产午夜亚洲专区-少妇人妻综合久久蜜臀-国产成人户外露出视频在线-国产91传媒一区二区三区

當(dāng)前位置:主頁 > 科技論文 > 搜索引擎論文 >

數(shù)據(jù)稀疏和隱性反饋條件下用戶偏好挖掘方法

發(fā)布時(shí)間:2020-07-12 12:09
【摘要】:個(gè)性化推薦服務(wù)在當(dāng)前互聯(lián)網(wǎng)中隨處可見,比如電子商務(wù)中的商品推薦系統(tǒng)、搜索引擎網(wǎng)站的個(gè)性化搜索等。這樣的應(yīng)用需要對用戶的個(gè)人偏好有很好的理解。用戶偏好挖掘不是簡單的向用戶推薦具體項(xiàng)目,而是要理解用戶對項(xiàng)目的某種屬性的偏愛。它可以被歸納為一個(gè)協(xié)同過濾問題,但面臨更多挑戰(zhàn),這是由用戶數(shù)據(jù)的特點(diǎn)決定的。首先,數(shù)據(jù)是極度稀疏的。單一用戶在某一領(lǐng)域中對具體項(xiàng)目的隱性反饋是非常稀有的,可想而知,多用戶間共享屬性信息也是極度稀有的。其次,隱性反饋,用戶不會(huì)對項(xiàng)目的具體屬性做出直接的評分。從這樣的數(shù)據(jù)中只能得到正反饋,從用戶對某項(xiàng)目的行為中推測其偏好。 協(xié)同過濾技術(shù)很早就在推薦系統(tǒng)中得到了廣泛的應(yīng)用。它利用相似用戶的用戶很大概率會(huì)擁有相似的品味這一基本假設(shè),對特定用戶的偏好和行為做出預(yù)測,也在實(shí)際應(yīng)用中取得了較好的效果。但是現(xiàn)有的協(xié)同過濾技術(shù)不能很好地解決上述兩個(gè)用戶偏好挖掘中的問題,需要進(jìn)行改造。首先通過跨領(lǐng)域集體學(xué)習(xí),使用戶在不同領(lǐng)域中的行為數(shù)據(jù)可以被相互利用,繼而學(xué)習(xí)過程將會(huì)彼此相互加強(qiáng),以此解決單個(gè)域內(nèi)數(shù)據(jù)稀疏的問題。另一方面,在學(xué)習(xí)過程中引入貝葉斯個(gè)人化排序(BayesianPersonalized Ranking,簡稱BPR)優(yōu)化條件。BPR作為一種通用學(xué)習(xí)框架,在學(xué)習(xí)過程中以排序?yàn)槟繕?biāo)進(jìn)行數(shù)據(jù)擬合,取代傳統(tǒng)的以二值分類為目標(biāo)的方法,以解決只有正反饋的問題。 實(shí)驗(yàn)證明了這種方法的優(yōu)越性。實(shí)驗(yàn)采用兩種真實(shí)世界的數(shù)據(jù)集分別是用戶對電影的評分?jǐn)?shù)據(jù)和用戶在搜索引擎中的搜索關(guān)鍵字?jǐn)?shù)據(jù),分別在其中挖掘用戶對演員的偏好和對商品品牌的偏好。實(shí)驗(yàn)中用AUC統(tǒng)計(jì)指標(biāo)比較了各種方法的挖掘結(jié)果,并且比較了它們在數(shù)據(jù)稀疏性不斷增長下的性能表現(xiàn)。改造后的方法在數(shù)據(jù)集上的預(yù)測性能均優(yōu)于現(xiàn)在幾種最流行的協(xié)同過濾方法。并且,當(dāng)數(shù)據(jù)的稀疏程度變得愈嚴(yán)重時(shí),其取得的優(yōu)勢愈明顯,表現(xiàn)出很好的穩(wěn)定性。
【學(xué)位授予單位】:華中科技大學(xué)
【學(xué)位級別】:碩士
【學(xué)位授予年份】:2012
【分類號】:TP311.13

【共引文獻(xiàn)】

相關(guān)期刊論文 前1條

1 張鋒;常會(huì)友;;使用BP神經(jīng)網(wǎng)絡(luò)緩解協(xié)同過濾推薦算法的稀疏性問題[J];計(jì)算機(jī)研究與發(fā)展;2006年04期

相關(guān)會(huì)議論文 前1條

1 Cane Wingki Leung;Stephen Chifai Chan;Korris Fulai Chung;;Towards Collaborative Travel Recommender Systems[A];第四屆電子商務(wù)國際會(huì)議論文集(Ⅰ)[C];2004年

相關(guān)博士學(xué)位論文 前2條

1 孫小華;協(xié)同過濾系統(tǒng)的稀疏性與冷啟動(dòng)問題研究[D];浙江大學(xué);2005年

2 王宏宇;商務(wù)推薦系統(tǒng)的設(shè)計(jì)研究[D];中國科學(xué)技術(shù)大學(xué);2007年

相關(guān)碩士學(xué)位論文 前4條

1 林穎;基于Web挖掘的信息推薦技術(shù)研究[D];揚(yáng)州大學(xué);2006年

2 韓慧俊;電子商務(wù)個(gè)性化推薦系統(tǒng)的研究[D];上海交通大學(xué);2007年

3 顧勇鏞;一種混合型信息推送技術(shù)研究及其在企業(yè)情報(bào)服務(wù)平臺中的應(yīng)用[D];浙江大學(xué);2008年

4 田冰;分布式異構(gòu)貝葉斯網(wǎng)絡(luò)模型及其移動(dòng)商務(wù)應(yīng)用[D];廣東工業(yè)大學(xué);2008年



本文編號:2751939

資料下載
論文發(fā)表

本文鏈接:http://sikaile.net/kejilunwen/sousuoyinqinglunwen/2751939.html


Copyright(c)文論論文網(wǎng)All Rights Reserved | 網(wǎng)站地圖 |

版權(quán)申明:資料由用戶ca8e0***提供,本站僅收錄摘要或目錄,作者需要?jiǎng)h除請E-mail郵箱bigeng88@qq.com