隨著云計(jì)算、大數(shù)據(jù)等技術(shù)的高速發(fā)展,互聯(lián)網(wǎng)中越來越多的各類應(yīng)用使得數(shù)據(jù)規(guī)模呈爆炸式增長。推薦系統(tǒng)作為解決信息過載問題的有效方法,在很多領(lǐng)域得到了廣泛應(yīng)用。但傳統(tǒng)的推薦算法主要利用淺層模型或者人工提取特征的方式學(xué)習(xí)特征,導(dǎo)致算法無法獲得用戶和項(xiàng)目更深層次的特征表達(dá)。而且傳統(tǒng)的推薦算法大多認(rèn)為用戶的屬性是固定的,忽略了在用戶行為的序列數(shù)據(jù)中用戶興趣愛好的動(dòng)態(tài)變化對(duì)推薦結(jié)果造成的影響。近年來,深度學(xué)習(xí)在計(jì)算機(jī)視覺、語音識(shí)別等領(lǐng)域取得了巨大成就,同時(shí)也給推薦系統(tǒng)帶來了新的機(jī)遇。深度學(xué)習(xí)可以通過其深層次的非線性網(wǎng)絡(luò)結(jié)構(gòu)從海量用戶行為數(shù)據(jù)中學(xué)習(xí)到用戶和項(xiàng)目更本質(zhì)的特征表達(dá)。其中循環(huán)神經(jīng)網(wǎng)絡(luò)可以通過對(duì)用戶行為的序列數(shù)據(jù)進(jìn)行建模,從而學(xué)習(xí)到用戶的動(dòng)態(tài)興趣變化,提高下一時(shí)刻的推薦精度。因此,本文主要圍繞循環(huán)神經(jīng)網(wǎng)絡(luò)來進(jìn)行推薦算法的研究。首先考慮到目前基于循環(huán)神經(jīng)網(wǎng)絡(luò)的推薦算法只關(guān)注用戶行為序列的先后信息,忽略了用戶對(duì)項(xiàng)目的評(píng)分偏好問題,提出了基于評(píng)分偏好的循環(huán)神經(jīng)網(wǎng)絡(luò)推薦算法。此外將循環(huán)神經(jīng)網(wǎng)絡(luò)和深度語義匹配模型相結(jié)合提出了基于深度語義匹配模型的循環(huán)神經(jīng)網(wǎng)絡(luò)推薦算法。具體研究內(nèi)容如下:1.提出了基于評(píng)分偏好的循環(huán)神經(jīng)網(wǎng)絡(luò)推薦算法。算法通過循環(huán)神經(jīng)網(wǎng)絡(luò)對(duì)用戶行為序列數(shù)據(jù)進(jìn)行建模,然后將用戶對(duì)項(xiàng)目的評(píng)分作為對(duì)序列中相應(yīng)項(xiàng)目的偏好,進(jìn)而將其結(jié)合到對(duì)下一時(shí)刻項(xiàng)目的預(yù)測中。通過在真實(shí)數(shù)據(jù)集上進(jìn)行測試,結(jié)果表明該方法給用戶推薦的下一時(shí)刻的項(xiàng)目不僅是用戶將要點(diǎn)擊的項(xiàng)目,同時(shí)也是用戶感興趣的項(xiàng)目。2.提出了基于深度語義匹配模型的循環(huán)神經(jīng)網(wǎng)絡(luò)推薦算法。算法將循環(huán)神經(jīng)網(wǎng)絡(luò)和深度語義匹配模型相結(jié)合,一方面通過循環(huán)神經(jīng)網(wǎng)絡(luò)對(duì)用戶行為數(shù)據(jù)進(jìn)行建模學(xué)習(xí)到用戶當(dāng)前興趣的隱表示,另一方面通過深度語義匹配模型減少了模型參數(shù),加快了模型的收斂。同時(shí)為了讓算法學(xué)到更有效的用戶特征表示,最后提出了帶用戶特征的基于深度語義匹配模型的循環(huán)神經(jīng)網(wǎng)絡(luò)推薦算法。通過多組實(shí)驗(yàn)表明該算法在收斂較快的同時(shí)提高了推薦的命中率。
【學(xué)位單位】：華僑大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TP391.3;TP183

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 崔春生;王雪;李文龍;;情境環(huán)境下基于用戶畫像的旅游產(chǎn)品推薦算法研究[J];數(shù)學(xué)的實(shí)踐與認(rèn)識(shí);2019年20期

2 俞偉;徐德華;;推薦算法概述與展望[J];科技與創(chuàng)新;2019年04期

3 張世東;;推薦算法概述[J];科技傳播;2019年04期

4 張艷紅;諶頏;;基于標(biāo)簽的自助教育資源推薦算法研究[J];現(xiàn)代信息科技;2019年12期

5 李欣鞠;;個(gè)性化推薦算法下的“信息繭房”效應(yīng)研究——以“天天快報(bào)”為例[J];西部廣播電視;2019年13期

6 陳軍;謝衛(wèi)紅;陳揚(yáng)森;;國內(nèi)外大數(shù)據(jù)推薦算法領(lǐng)域前沿動(dòng)態(tài)研究[J];中國科技論壇;2018年01期

7 向洋樂;;大數(shù)據(jù)背景下互聯(lián)網(wǎng)購物推薦算法應(yīng)用研究[J];中國戰(zhàn)略新興產(chǎn)業(yè);2018年04期

8 喻國明;劉鈺菡;王暢穎;王丹敏;;推薦算法:信息推送的王者品性與進(jìn)階重點(diǎn)[J];山東社會(huì)科學(xué);2018年03期

9 劉順程;岳思穎;鐘瑞敏;;基于拉普拉斯噪聲的輕型推薦算法[J];中國戰(zhàn)略新興產(chǎn)業(yè);2018年20期

10 劉濤;劉佐;;一種面向新文章的個(gè)性化推薦算法研究[J];控制工程;2018年06期

相關(guān)會(huì)議論文 前10條

1 米傳民;彭鵬;單曉菲;馬靜;;考慮顯式評(píng)分的基于二部圖的推薦算法[A];第十七屆中國管理科學(xué)學(xué)術(shù)年會(huì)論文集[C];2015年

2 秦國;杜小勇;;基于用戶層次信息的協(xié)同推薦算法[A];第二十一屆中國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2004年

3 王韜丞;羅喜軍;杜小勇;;基于層次的推薦:一種新的個(gè)性化推薦算法[A];第二十四屆中國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2007年

4 唐燦;;基于模糊用戶心理模式的個(gè)性化推薦算法[A];2008年計(jì)算機(jī)應(yīng)用技術(shù)交流會(huì)論文集[C];2008年

5 蘇日啟;胡皓;汪秉宏;;基于網(wǎng)絡(luò)的含時(shí)推薦算法[A];第五屆全國復(fù)雜網(wǎng)絡(luò)學(xué)術(shù)會(huì)議論文（摘要）匯集[C];2009年

6 梁莘q

本文編號(hào)：2819768