現(xiàn)代網(wǎng)民經(jīng)常會在互聯(lián)網(wǎng)的海量內(nèi)容中感到迷失,不知如何尋找自己可能感興趣的內(nèi)容。個性化推薦系統(tǒng)能將用戶和內(nèi)容進(jìn)行匹配,協(xié)助用戶做出決策,滿足用戶的信息需求,在互聯(lián)網(wǎng)+時(shí)代發(fā)揮了重要作用,并逐漸擴(kuò)展到了更多應(yīng)用領(lǐng)域,比如視頻會議系統(tǒng)。視頻會議系統(tǒng)通過網(wǎng)絡(luò)音視頻提供了遠(yuǎn)程的實(shí)時(shí)交流服務(wù),降低了溝通成本,現(xiàn)在開始嘗試逐漸從機(jī)構(gòu)用戶滲透到個人用戶,目標(biāo)是提供一個溝通的大平臺。此時(shí),可以應(yīng)用推薦技術(shù)來幫助用戶挖掘他們所喜歡的,想要參與的交流活動�？梢宰⒁獾�,包括視頻會議系統(tǒng)在內(nèi)的絕大多數(shù)系統(tǒng)都得不到用戶物品評分反饋,只能收集到諸如點(diǎn)擊,參與會議這樣的隱式反饋。推薦系統(tǒng)也只能借助隱式反饋來對用戶偏好進(jìn)行建模。本文結(jié)合了視頻會議系統(tǒng)來研究隱式反饋推薦方法,通過分析視頻會議系統(tǒng)的反饋數(shù)據(jù)模式,針對性地進(jìn)行推薦算法設(shè)計(jì),提出融合了隱式反饋和物品本身信息的SimBPR個性化排序推薦算法,并依此設(shè)計(jì)和構(gòu)建視頻會議系統(tǒng)的推薦模塊。文章首先分析了推薦系統(tǒng)和視頻會議系統(tǒng)的的歷史和發(fā)展趨勢,然后敘述了現(xiàn)有的隱式反饋推薦算法,共分為單類協(xié)同過濾、引入輔助信息推薦和排序?qū)W習(xí)三類。通過觀察業(yè)界實(shí)踐,明確了基于逐對排序?qū)W習(xí)的...

【文章頁數(shù)】：85 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖2.1用戶物品交互矩陣基于最近鄰的算法又可以分為基于用戶的和基于物品的

第二章相關(guān)技術(shù)概述第二章相關(guān)技術(shù)概述算法介紹成為一個獨(dú)立的研究領(lǐng)域以來，協(xié)同過濾算法一直是最流推薦算法之一。大量公司都使用協(xié)同過濾算法來提升用戶效益。用戶物品評分信息或者點(diǎn)擊等反饋信息被用于協(xié)同過濾算法可以大致分為兩類：基于最近鄰的的算法和基于于最近鄰的算法使用評分信息來計(jì)算....

圖3.1用戶反饋聯(lián)系

成一個按偏好排序的會議列表，自然而然地把推薦建模為逐對排序?qū)W習(xí)問題。然一般逐對排序?qū)W習(xí)算法存在某些問題，好在這些問題在結(jié)合具體場景的時(shí)候都能性地設(shè)計(jì)解決方案。本章討論如何利用視頻會議系統(tǒng)中豐富的數(shù)據(jù)，并結(jié)合逐對學(xué)習(xí)算法，為該場景設(shè)計(jì)更合適的推薦算法。問題描述通過研究發(fā)現(xiàn)，基于排....

圖3.2相似度計(jì)算架構(gòu)

圖3.2相似度計(jì)算架構(gòu)義依存分析使用哈工大的LTP語言云工具[39]，依存關(guān)系可以分為三類，其語義角色，其二是角色之間的關(guān)系，其三是語義依附標(biāo)記，標(biāo)記語句所包含語言云提供了這三種依存關(guān)系的示例如表3.2。表3.2語義依存關(guān)系示例關(guān)系類型TagDescriptionE....

圖3.3語義分析結(jié)果

圖3.2相似度計(jì)算架構(gòu)依存分析使用哈工大的LTP語言云工具[39]，依存關(guān)系可以分為三類，義角色，其二是角色之間的關(guān)系，其三是語義依附標(biāo)記，標(biāo)記語句所包言云提供了這三種依存關(guān)系的示例如表3.2。表3.2語義依存關(guān)系示例類型TagDescriptionExample關(guān)....

本文編號：3917691