本文關(guān)鍵詞：基于機(jī)器學(xué)習(xí)的推薦技術(shù)研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著互聯(lián)網(wǎng)的發(fā)展,每天產(chǎn)生的數(shù)據(jù)量已經(jīng)與日俱增,傳統(tǒng)的搜索引擎已經(jīng)無法完全滿足當(dāng)前的需求,推薦系統(tǒng)成為了互聯(lián)網(wǎng)時(shí)代的新寵,其是為了解決海量數(shù)據(jù)所帶來的挑戰(zhàn)以及給用戶更好的體驗(yàn)而發(fā)展成一門交叉學(xué)科。推薦系統(tǒng)算法通常會(huì)包含機(jī)器學(xué)習(xí)算法,而云計(jì)算的廣泛應(yīng)用也使得機(jī)器學(xué)習(xí)算法可以快速的部署與運(yùn)算,為推薦系統(tǒng)的性能與效果提升提供了保障。本文對(duì)目前的機(jī)器學(xué)習(xí)算法與推薦系統(tǒng)進(jìn)行了研究。采用天貓?zhí)詫氄鎸?shí)數(shù)據(jù)集,并利用阿里巴巴的ODPS云計(jì)算平臺(tái),基于混合技術(shù)與深度學(xué)習(xí)技術(shù)構(gòu)建了兩套推薦系統(tǒng),并對(duì)隨機(jī)森林算法在不平衡數(shù)據(jù)條件下有針對(duì)性的進(jìn)行了改善。本文主要工作如下:1.利用Ali Mobile Rec數(shù)據(jù)集與ODPS平臺(tái)構(gòu)建了基于混合技術(shù)的推薦系統(tǒng),該系統(tǒng)使用了多種混合策略,包括特征混合技術(shù)、分級(jí)型混合推薦技術(shù)、瀑布型混合技術(shù)、加權(quán)混合推薦技術(shù),最后利用多個(gè)模型進(jìn)行融合,取得了較好的實(shí)驗(yàn)效果,最終F1值為8.11%,并在此基礎(chǔ)上驗(yàn)證了各混合技術(shù)的提升效果以及使用條件;2.利用Taobao Clothes Match數(shù)據(jù)集以及ODPS平臺(tái)構(gòu)建了基于深度學(xué)習(xí)的搭配推薦系統(tǒng),該系統(tǒng)利用服裝的搭配套餐進(jìn)行商品推薦,嘗試提取圖片中所蘊(yùn)含的信息,利用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行特征提取,并提出了基于卷積神經(jīng)網(wǎng)絡(luò)的排序修正算法,實(shí)驗(yàn)獲得MAP值為4.6%,這表明該算法可以提高推薦系統(tǒng)的效果;3.針對(duì)推薦系統(tǒng)所使用的數(shù)據(jù)具有的正負(fù)樣本的不平衡性,對(duì)現(xiàn)有的基于不平衡樣本的隨機(jī)森林算法進(jìn)行了進(jìn)一步的改善。根據(jù)混合策略中的瀑布型混合技術(shù)對(duì)隨機(jī)森林樣本空間的采樣做了基于先驗(yàn)的樣本空間定向采樣,并對(duì)原改進(jìn)算法中的分層特征空間選擇做了基于分類強(qiáng)度的自適應(yīng)的調(diào)整,實(shí)驗(yàn)表明這些改善能一定程度的提高算法的效果。
【關(guān)鍵詞】：機(jī)器學(xué)習(xí) 混合技術(shù) 深度學(xué)習(xí) 隨機(jī)森林
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.3;TP181
【目錄】：

• 摘要4-5
• ABSTRACT5-9
• 第1章 緒論9-13
• 1.1 課題的研究背景和意義9
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀及面臨問題9-11
• 1.2.1 國(guó)內(nèi)外研究現(xiàn)狀9-10
• 1.2.2 研究面臨的問題10-11
• 1.3 本文的研究?jī)?nèi)容和結(jié)構(gòu)11-13
• 第2章 推薦系統(tǒng)常用技術(shù)13-19
• 2.1 推薦系統(tǒng)框架13
• 2.2 常用推薦算法13-17
• 2.2.1 基于內(nèi)容的推薦算法14
• 2.2.2 基于協(xié)同過濾的推薦系統(tǒng)算法14-17
• 2.3 推薦系統(tǒng)評(píng)價(jià)標(biāo)準(zhǔn)17-18
• 2.3.1 均方根誤差與平均絕對(duì)誤差17
• 2.3.2 F1-Measure評(píng)估指標(biāo)與ROC曲線17-18
• 2.3.3 平均正確率均值18
• 2.4 本章小結(jié)18-19
• 第3章 機(jī)器學(xué)習(xí)算法19-29
• 3.1 邏輯回歸算法19-21
• 3.2 梯度迭代決策樹算法21-23
• 3.2.1 決策樹21-23
• 3.2.2 梯度迭代回歸樹23
• 3.3 因子分解機(jī)算法23-25
• 3.3.1 因子分解機(jī)模型24
• 3.3.2 因子分解機(jī)的參數(shù)學(xué)習(xí)24-25
• 3.4 卷積神經(jīng)網(wǎng)絡(luò)算法25-27
• 3.4.1 CNN的整體架構(gòu)25-26
• 3.4.2 卷積與池化26-27
• 3.5 本章小結(jié)27-29
• 第4章 基于融合技術(shù)與深度學(xué)習(xí)的推薦系統(tǒng)構(gòu)建29-47
• 4.1 推薦系統(tǒng)中的混合技術(shù)29-30
• 4.2 基于混合技術(shù)的推薦系統(tǒng)30-36
• 4.2.1 整體框架30-32
• 4.2.2 基于滑窗與探索性數(shù)據(jù)分析的樣本構(gòu)建32-35
• 4.2.3 基于瀑布式混合策略的數(shù)據(jù)過濾35-36
• 4.3 基于深度學(xué)習(xí)的搭配推薦系統(tǒng)36-40
• 4.3.1 整體框架37
• 4.3.2 基于MapReduce的召回集觸發(fā)實(shí)現(xiàn)37-39
• 4.3.3 基于卷積神經(jīng)網(wǎng)絡(luò)的排序修正39-40
• 4.4 實(shí)驗(yàn)結(jié)果與分析40-45
• 4.4.1 實(shí)驗(yàn)平臺(tái)與數(shù)據(jù)40-42
• 4.4.2 實(shí)驗(yàn)結(jié)果42-45
• 4.5 本章小結(jié)45-47
• 第5章 隨機(jī)森林改進(jìn)算法47-55
• 5.1 隨機(jī)森林原理47-48
• 5.2 基于不平衡樣本的隨機(jī)森林改進(jìn)算法48-52
• 5.2.1 面向不平衡數(shù)據(jù)的隨機(jī)森林子空間選擇49-50
• 5.2.2 基于先驗(yàn)的樣本空間定向采樣50-51
• 5.2.3 基于分類強(qiáng)度的分層特征空間選擇自適應(yīng)算法51-52
• 5.3 實(shí)驗(yàn)結(jié)果與分析52-54
• 5.4 本章小結(jié)54-55
• 第6章 總結(jié)與展望55-57
• 6.1 論文工作總結(jié)55
• 6.2 下一步工作55-57
• 參考文獻(xiàn)57-61
• 作者簡(jiǎn)介及科研成果61-62
• 致謝62

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 張明玉,倪志偉;基于機(jī)器學(xué)習(xí)的智能決策支持系統(tǒng)[J];淮南師范學(xué)院學(xué)報(bào);2005年03期

2 楊凌霄;武建平;;機(jī)器學(xué)習(xí)方法在人臉檢測(cè)中的應(yīng)用[J];計(jì)算機(jī)與數(shù)字工程;2008年03期

3 ;第十一屆中國(guó)機(jī)器學(xué)習(xí)會(huì)議[J];智能系統(tǒng)學(xué)報(bào);2008年02期

4 ;第14屆中國(guó)機(jī)器學(xué)習(xí)會(huì)議[J];智能系統(tǒng)學(xué)報(bào);2012年06期

5 費(fèi)宗銘;呂建;王志堅(jiān);陳道蓄;徐家福;;機(jī)器學(xué)習(xí)[J];計(jì)算機(jī)科學(xué);1991年01期

6 趙沁平;魏華;王軍玲;;機(jī)器學(xué)習(xí)技術(shù)與機(jī)器學(xué)習(xí)系統(tǒng)[J];計(jì)算機(jī)科學(xué);1993年05期

7 姚敏;機(jī)器學(xué)習(xí)及其發(fā)展方向[J];計(jì)算機(jī)時(shí)代;1994年04期

8 ;第31屆機(jī)器學(xué)習(xí)國(guó)際會(huì)議(英文)[J];智能系統(tǒng)學(xué)報(bào);2014年01期

9 黃海濱;機(jī)器學(xué)習(xí)及其主要策略[J];河池師范高等�？茖W(xué)校學(xué)報(bào)(自然科學(xué)版);2000年04期

10 佘玉梅;一種協(xié)調(diào)機(jī)器學(xué)習(xí)方法研究[J];云南民族學(xué)院學(xué)報(bào)(自然科學(xué)版);2000年03期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前10條

1 王玨;;歸納機(jī)器學(xué)習(xí)[A];2001年中國(guó)智能自動(dòng)化會(huì)議論文集（上冊(cè)）[C];2001年

2 王昊;李銀波;紀(jì)志梁;;利用機(jī)器學(xué)習(xí)方法預(yù)測(cè)嚴(yán)重藥物不良反應(yīng)-呼吸困難[A];中國(guó)化學(xué)會(huì)第28屆學(xué)術(shù)年會(huì)第13分會(huì)場(chǎng)摘要集[C];2012年

3 吳滄浦;;智能系統(tǒng)與機(jī)器學(xué)習(xí)的新領(lǐng)域[A];西部大開發(fā) 科教先行與可持續(xù)發(fā)展——中國(guó)科協(xié)2000年學(xué)術(shù)年會(huì)文集[C];2000年

4 周晴杰;徐立鴻;吳啟迪;;機(jī)器學(xué)習(xí)串級(jí)結(jié)構(gòu)的初步探討[A];1998年中國(guó)控制會(huì)議論文集[C];1998年

5 李剛;郭崇慧;林鴻飛;楊志豪;唐煥文;;基于詞典法和機(jī)器學(xué)習(xí)法相結(jié)合的蛋白質(zhì)名識(shí)別[A];大連理工大學(xué)生物醫(yī)學(xué)工程學(xué)術(shù)論文集（第2卷）[C];2005年

6 徐禮勝;李乃民;王寬全;張冬雨;耿斌;姜曉睿;陳超海;羅貴存;;機(jī)器學(xué)習(xí)在中醫(yī)計(jì)算機(jī)診斷識(shí)別系統(tǒng)中的應(yīng)用思考[A];第一屆全國(guó)中西醫(yī)結(jié)合診斷學(xué)術(shù)會(huì)議論文選集[C];2006年

7 蔡健平;林世平;;基于機(jī)器學(xué)習(xí)的詞語(yǔ)和句子極性分析[A];第三屆全國(guó)信息檢索與內(nèi)容安全學(xué)術(shù)會(huì)議論文集[C];2007年

8 黃金鐵;李景銀;周建常;;對(duì)高爐爐況評(píng)價(jià)模型參數(shù)的機(jī)器學(xué)習(xí)——一個(gè)三類線性模式分類器的實(shí)現(xiàn)[A];1995中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];1995年

9 程國(guó)建;蔡磊;潘華賢;;核向量機(jī)在大規(guī)模機(jī)器學(xué)習(xí)中的應(yīng)用[A];第十一屆中國(guó)青年信息與管理學(xué)者大會(huì)論文集[C];2009年

10 張鈸;張鈴;;統(tǒng)計(jì)學(xué)習(xí)理論及其應(yīng)用[A];2001年中國(guó)智能自動(dòng)化會(huì)議論文集（上冊(cè)）[C];2001年

中國(guó)重要報(bào)紙全文數(shù)據(jù)庫(kù) 前10條

1 黎驪/文 [美] Tom M.Mitchell 著;機(jī)器學(xué)習(xí)與智能化社會(huì)[N];中國(guó)郵政報(bào);2003年

2 IBM大數(shù)據(jù)專家 James Kobielus　范范 編譯;機(jī)器學(xué)習(xí)已成為大數(shù)據(jù)基石[N];網(wǎng)絡(luò)世界;2014年

3 本報(bào)記者 房琳琳;合久必分：分布式“機(jī)器學(xué)習(xí)”應(yīng)運(yùn)而生[N];科技日?qǐng)?bào);2014年

4 雨辰;機(jī)器學(xué)習(xí)類圖書為什么火爆[N];中華讀書報(bào);2014年

5 百度公司技術(shù)副總監(jiān) 多媒體部負(fù)責(zé)人 余凱;深度學(xué)習(xí)與多媒體搜索技術(shù)演進(jìn)[N];中國(guó)信息化周報(bào);2013年

6 本報(bào)記者 余建斌;機(jī)器學(xué)習(xí)與互聯(lián)網(wǎng)搜索[N];人民日?qǐng)?bào);2011年

7 本報(bào)記者 張曄邋通訊員 李瑋;周志華：永不墨守成規(guī)[N];科技日?qǐng)?bào);2008年

8 記者　 彭德倩;機(jī)器學(xué)習(xí)精度提升近6個(gè)百分點(diǎn)[N];解放日?qǐng)?bào);2006年

9 本報(bào)記者 閔杰;大數(shù)據(jù)熱 高端人才缺[N];中國(guó)電子報(bào);2013年

10 沈建苗 編譯;如何成為大數(shù)據(jù)科學(xué)家[N];計(jì)算機(jī)世界;2013年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 董春茹;機(jī)器學(xué)習(xí)中的權(quán)重學(xué)習(xí)與差分演化[D];華南理工大學(xué);2015年

2 姚明臣;機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)中的若干問題研究[D];大連理工大學(xué);2016年

3 趙玉鵬;機(jī)器學(xué)習(xí)的哲學(xué)探索[D];大連理工大學(xué);2010年

4 胡巍;面向格結(jié)構(gòu)的機(jī)器學(xué)習(xí)[D];上海交通大學(xué);2009年

5 張義榮;基于機(jī)器學(xué)習(xí)的入侵檢測(cè)技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2005年

6 錢線;快速精確的結(jié)構(gòu)化機(jī)器學(xué)習(xí)方法研究[D];復(fù)旦大學(xué);2010年

7 梁錫軍;稀疏優(yōu)化在機(jī)器學(xué)習(xí)中的若干應(yīng)用[D];大連理工大學(xué);2013年

8 蔣剛;核機(jī)器學(xué)習(xí)方法若干問題研究[D];西南交通大學(xué);2006年

9 陳慧靈;面向智能決策問題的機(jī)器學(xué)習(xí)方法研究[D];吉林大學(xué);2012年

10 周偉達(dá);核機(jī)器學(xué)習(xí)方法研究[D];西安電子科技大學(xué);2003年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 毛海斌;基于半監(jiān)督機(jī)器學(xué)習(xí)的情感分類領(lǐng)域適應(yīng)問題研究[D];南京理工大學(xué);2015年

2 安軍輝;基于微博數(shù)據(jù)的微博用戶性別判斷研究[D];華中師范大學(xué);2015年

3 陳召陽(yáng);基于機(jī)器學(xué)習(xí)的改性麥槽吸附重金屬構(gòu)效關(guān)系模型研究[D];江西理工大學(xué);2014年

4 王成;基于半監(jiān)督機(jī)器學(xué)習(xí)的文本情感分析技術(shù)[D];南京理工大學(xué);2015年

5 孫科;基于Spark的機(jī)器學(xué)習(xí)應(yīng)用框架研究與實(shí)現(xiàn)[D];上海交通大學(xué);2015年

6 劉江龍;基于機(jī)器學(xué)習(xí)的射頻指紋定位方法研究[D];電子科技大學(xué);2015年

7 張蕾;基于機(jī)器學(xué)習(xí)的網(wǎng)絡(luò)輿情采集技術(shù)研究與設(shè)計(jì)[D];電子科技大學(xué);2014年

8 施宇;基于數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)的木馬檢測(cè)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];電子科技大學(xué);2014年

9 施應(yīng)敏;基于機(jī)器學(xué)習(xí)的Femtocell信道頻譜與功率資源分配算法的研究[D];南京郵電大學(xué);2015年

10 張柯;基于機(jī)器學(xué)習(xí)的錯(cuò)誤定位方法研究[D];南京航空航天大學(xué);2015年

  本文關(guān)鍵詞：基于機(jī)器學(xué)習(xí)的推薦技術(shù)研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：484282