隨著移動上網(wǎng)設(shè)備的普及和互聯(lián)網(wǎng)技術(shù)的發(fā)展,網(wǎng)絡(luò)用戶的迅速增加,網(wǎng)絡(luò)資源極大豐富。面對海量的網(wǎng)絡(luò)資源和用戶請求,內(nèi)容提供商如何構(gòu)建推薦系統(tǒng)以對網(wǎng)絡(luò)資源進行檢索和篩選、滿足用戶的個性化需求,成為多媒體推薦領(lǐng)域亟待解決的問題。而大規(guī)模場景下,傳統(tǒng)推薦算法存在擴展性、冷啟動、數(shù)據(jù)稀疏性、模型更新等問題,難以為用戶提供個性化優(yōu)質(zhì)信息和服務(wù)。本論文針對推薦算法中的數(shù)據(jù)稀疏性問題進行研究,主要集中于以下三個方面:1.用戶偏好的存在使得用戶僅會與推薦系統(tǒng)中感興趣的物品進行交互,進而導(dǎo)致數(shù)據(jù)稀疏。然而用戶偏好會隨著時間的推移而動態(tài)變化,因此需要對用戶偏好的時序特征進行進一步研究。2.網(wǎng)絡(luò)資源的豐富使得推薦系統(tǒng)中的數(shù)據(jù)規(guī)模更加龐大,數(shù)據(jù)更加稀疏,數(shù)據(jù)分布的不均衡性進一步凸顯。如何使推薦系統(tǒng)學(xué)習(xí)到小眾物品的特征,解決數(shù)據(jù)稀疏問題,是當(dāng)前大規(guī)模推薦中的研究熱點和難點。3.移動網(wǎng)絡(luò)用戶的增長和用戶個性化需求的增加給現(xiàn)有推薦系統(tǒng)帶來了巨大的負(fù)載壓力。如何對云端大規(guī)模推薦系統(tǒng)的負(fù)載進行卸載,同時滿足用戶的個性化需求,是當(dāng)前個性化多媒體推薦研究的熱點問題。面對以上的三個方面的問題,本論文的主要工作和創(chuàng)新點包括以下四點... 

【文章來源】：中國科學(xué)技術(shù)大學(xué)安徽省 211工程院校 985工程院校

【文章頁數(shù)】：135 頁

【學(xué)位級別】：博士

【部分圖文】：

017年12月一018年12月中國網(wǎng)民各類手機互聯(lián)網(wǎng)應(yīng)用的使用率川

傳統(tǒng)的推薦算法以協(xié)同過濾（ｃｏｌｌａｂｏｒａｔｉｖｅ?ｆｉｌｔｅｒｉｎｇ，?ＣＦ）、基于內(nèi)容的推薦??（ｃｏｎｔｅｎｔ－ｂａｓｅｄ?ｒｅｃｏｍｍｅｎｄａｔｉｏｎ）、矩陣分解（ｍａｔｒｉｘ?ｆａｃｔｏｒｉｚａｔｉｏｎ，?ＭＦ）等算法為??主。然而由于用戶和資源數(shù)目飛速增長，這些算法所需要的計算、存儲等資源呈??爆炸式增長。海量的數(shù)據(jù)給推薦系統(tǒng)帶來巨大的負(fù)載，同時也為算法學(xué)習(xí)用戶特??征提供了資源，但是受限于算法本身，這些算法的性能并沒有很大的提升。??而面對海量數(shù)據(jù)的處理，深度學(xué)習(xí)算法在自然語言處理（ｎａｔｕｒａｌ?ｌａｎｇｕａｇｅ??ｐｒｏｃｅｓｓｉｎｇ，?ＮＬＰ）、圖像處理（ｉｍａｇｅ?ｐｒｏｃｅｓｓｉｎｇ）、人臉識別（ｆａｃｉａｌ?ｒｅｃｏｇｎｉｔｉｏｎ）??

推薦系統(tǒng)中的數(shù)據(jù)稀疏是指每個用戶僅與系統(tǒng)中的少量物品進行交互，導(dǎo)致推??薦算法難以從中完整地學(xué)習(xí)到用戶偏好。數(shù)據(jù)稀疏問題的產(chǎn)生是由于每個用戶??都有著不同的興趣喜好，因此用戶只會與系統(tǒng)中自己感興趣的物品進行交互，忽??略系統(tǒng)中其他不喜歡和暫時不感興趣的物品。同時對于感興趣的物品，用戶也只??會與其中已經(jīng)被發(fā)現(xiàn)的物品進行交互，仍然有大量用戶感興趣的物品被海量的??其他物品所淹沒。而用戶和物品規(guī)模的擴大，局部聚集的數(shù)據(jù)被匯聚在一起，使??得推薦系統(tǒng)中的數(shù)據(jù)更加稀疏。??由用戶偏好帶來的數(shù)據(jù)稀疏問題給推薦算法的性能帶來了災(zāi)難性的影響。因??為用戶的偏好是多種多樣且覆蓋廣泛的，正如長尾（ｌｏｎｇｔａｉｌ）效應(yīng)［１２］所說，單??一用戶所感興趣的物品中僅有少量為熱門物品，其余的大部分物品在推薦系統(tǒng)??中可能仍屬于小眾物品，相對整個用戶群體來說，僅有少量用戶會喜歡該物品。??如圖１．４所示，在不同的數(shù)據(jù)集中，物品的流行度和用戶的活躍度都呈現(xiàn)出長尾??分布。所以推薦算法想從稀疏的數(shù)據(jù)中學(xué)習(xí)用戶偏好非常困難。????１００?ｏ？］?：???，?Ｓｉ??

【參考文獻】：
期刊論文
[1]基于深度學(xué)習(xí)加強的混合推薦方法[J]. 張敏,丁弼原,馬為之,譚云志,劉奕群,馬少平.  清華大學(xué)學(xué)報(自然科學(xué)版). 2017(10)
[2]一種現(xiàn)場、彈性、自治的網(wǎng)絡(luò)服務(wù)系統(tǒng)——海服務(wù)系統(tǒng)研究與設(shè)計[J]. 王勁林,田靜,尤佳莉,劉學(xué),鄧浩江.  中國科學(xué):信息科學(xué). 2015(10)
[3]海云協(xié)同環(huán)境下服務(wù)運營環(huán)境關(guān)鍵技術(shù)的探討[J]. 馬斌,馮波.  網(wǎng)絡(luò)新媒體技術(shù). 2015(02)
[4]大規(guī)�；ヂ�(lián)網(wǎng)推薦系統(tǒng)優(yōu)化算法[J]. 姜鵬,許峰,周文歡.  計算機工程與科學(xué). 2013(12)



本文編號：2950161