互聯(lián)網(wǎng)數(shù)據(jù)給用戶帶來更及時、更廣泛信息的同時,也面臨著信息過載、質(zhì)量差異的問題,例如當某用戶在“美團”上搜索某個場所時,會出現(xiàn)數(shù)十個地方,這樣用戶很難做出選擇,這時基于位置的興趣點（POI）推薦顯得很重要,因為它可以幫助用戶導航多個候選POI并根據(jù)用戶最近的登記信息提供最佳POI。然而位置推薦不同于商品推薦,位置推薦對時間和位置有嚴格的要求,位置不合適和時間不合理,都很容易產(chǎn)生系統(tǒng)推薦的位置用戶很難到達,或者一個用戶很喜歡健身但半夜給他推薦健身房等不合理推薦的出現(xiàn),另一方面位置社交網(wǎng)絡數(shù)據(jù)中用戶能簽到的POI數(shù)量極少,使用經(jīng)典協(xié)同過濾推薦算法存在用戶—POI數(shù)據(jù)極度稀疏并且依賴于先驗知識提取數(shù)據(jù)特征,有效性和可擴展性非常有限的問題�；谝陨峡紤]本文提出連續(xù)POI的推薦,旨在將時間和地理因素融入推薦系統(tǒng),利用深度學習通過一種端到端的過程學習數(shù)據(jù)特征,提取出更深層次的數(shù)據(jù)特征,緩解了協(xié)同過濾推薦方法依賴于先驗知識提取數(shù)據(jù)特征和用戶--POI數(shù)據(jù)極度稀疏的問題�？紤]到用戶簽到關系是一個長期依賴關系,CNN卷積神經(jīng)網(wǎng)絡擅長提取潛在的特征,LSTM長短期記憶模型擅長解決長時依賴問題,所以實驗中采... 

【文章來源】：云南大學云南省 211工程院校

【文章頁數(shù)】：57 頁

【學位級別】：碩士

【部分圖文】：

圖１－１：?ＬＢＳＮ用戶簽到序列結(jié)構(gòu)圖??

??經(jīng)網(wǎng)絡概述??網(wǎng)絡是一種模擬人腦神經(jīng)工作原理的計算模型，具體來說，人種特定方法聚合添加到某個神經(jīng)元中，當神經(jīng)元信號的總數(shù)超么它將刺激神經(jīng)細胞并觸發(fā)下一狀態(tài)，電信號將被發(fā)送到其他，如果神經(jīng)元信號總數(shù)低于閾值，則神經(jīng)細胞將保持受限，不理神經(jīng)網(wǎng)絡模擬了人腦的運作過程，如２－１圖所示，神經(jīng)網(wǎng)絡中部分第一部分是信號的累積和處理，另一部分是輸入信號經(jīng)過中權重ｗ?＝?與輸入數(shù)據(jù)度匹配。過程可表示為：??／?＝?ｙ７?ａ＞ｋｊｘｊ?＋?ｂｉａｓ?（２．１）??７＝１??＝??

ｇ（ｘ，ｙ為卷積核上ｘ行，ｙ列的值。卷積實際上提供了一個權值模板，這個??模板在輸入矩陣上滑動，然后覆蓋所有輸入值進行加權，并將結(jié)果作為這個卷積??核在輸入矩陣該點的響應。具體操作如圖２－２所示。??Ａ??ｋｅａｎｅｌ?ｋｅａｎｅｌ??ｍｐｍ??ｉ？？…卜十??：？?ｉ…丄．？丄．．：ｉ?．．Ｊ．．？．二．．：??ａ．ｃｏｎｖｏｌｕｔｏｎ?ｗｉｔｈ?ｐａｄｄｉｎｇ?ｂ．ｃｏｎｖｏｌｕｔｏｎ?ｗｉｔｈ?ｎｏ?ｐａｄｄｉｎｇ??圖２－２：兩種主流的卷積操作過程圖??對于給定卷積核大�。耄ǔ跏蓟矸e核參數(shù)采用隨機初始化方法），輸入數(shù)據(jù)??為ｗｘ／ｚｘｃ，如果米用圖２－２?ａ中邊緣填充的方法卷積其輸出數(shù)據(jù)大小為ｗｘ／ｚｘｗ?（ｎ??為輸出通道數(shù)），如果采用圖２－２?ｂ中邊緣不填充的方法卷積其輸出數(shù)據(jù)大小為??９??

【參考文獻】：
期刊論文
[1]基于卷積神經(jīng)網(wǎng)絡的圖像分類算法綜述[J]. 楊真真,匡楠,范露,康彬.  信號處理. 2018(12)
[2]循環(huán)神經(jīng)網(wǎng)絡研究綜述[J]. 楊麗,吳雨茜,王俊麗,劉義理.  計算機應用. 2018(S2)
[3]全卷積神經(jīng)網(wǎng)絡應用于SAR目標檢測[J]. 張椰,朱衛(wèi)綱,吳戌.  電訊技術. 2018(11)
[4]基于位置的社會化網(wǎng)絡推薦技術研究進展[J]. 焦旭,肖迎元,鄭文廣,朱珂.  計算機研究與發(fā)展. 2018(10)
[5]基于LSTM的商品評論情感分析[J]. 於雯,周武能.  計算機系統(tǒng)應用. 2018(08)
[6]河南省知識產(chǎn)權司法保護機制的探索與完善[J]. 任巍.  河南科技. 2018(10)
[7]基于深度學習的推薦系統(tǒng)研究綜述[J]. 黃立威,江碧濤,呂守業(yè),劉艷博,李德毅.  計算機學報. 2018(07)
[8]多尺度卷積循環(huán)神經(jīng)網(wǎng)絡的情感分類技術[J]. 吳瓊,陳鍛生.  華僑大學學報(自然科學版). 2017(06)
[9]卷積神經(jīng)網(wǎng)絡研究綜述[J]. 周飛燕,金林鵬,董軍.  計算機學報. 2017(06)
[10]人工智能的突破與科學方法的創(chuàng)新[J]. 鐘義信.  模式識別與人工智能. 2012(03)



本文編號：3036310