隨著互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展,網(wǎng)絡(luò)空間中產(chǎn)生了大量的信息,同時(shí)大量冗余信息干擾了用戶對(duì)有用信息的選擇。因此,如何對(duì)大量數(shù)據(jù)加以分析,構(gòu)建有效的信息過濾技術(shù),幫助用戶從海量數(shù)據(jù)中快速地找到有效信息,將是一個(gè)很大的挑戰(zhàn)。目前,推薦系統(tǒng)被廣泛應(yīng)用于解決信息過載的問題。其中社會(huì)化推薦利用用戶屬性信息來(lái)改善推薦系統(tǒng)的性能,而評(píng)分預(yù)測(cè)的準(zhǔn)確度和Top-N排序的準(zhǔn)確度是目前衡量推薦系統(tǒng)性能最主流的兩個(gè)指標(biāo)。針對(duì)優(yōu)化評(píng)分預(yù)測(cè)模型和排序預(yù)測(cè)模型性能的問題,本文具體的工作內(nèi)容和創(chuàng)新點(diǎn)如下:1.針對(duì)評(píng)分?jǐn)?shù)據(jù)稀疏性和文檔上下文微妙語(yǔ)義變化而導(dǎo)致評(píng)分預(yù)測(cè)準(zhǔn)確度低的問題。本文提出了一種基于卷積矩陣分解的文檔上下文感知模型,通過利用CNN捕獲項(xiàng)目描述文檔的上下文語(yǔ)義信息以及用戶社會(huì)化信息,進(jìn)一步提高了評(píng)分預(yù)測(cè)精度。首先,引入CNN進(jìn)行文檔上下文感知,通過該模型可以得到項(xiàng)目的文檔上下文潛在特征;然后,將其用于計(jì)算項(xiàng)目潛在特征向量,并與SocialMF中用戶的潛在特征向量聯(lián)合構(gòu)建評(píng)分預(yù)測(cè)模型;最后,對(duì)預(yù)測(cè)值與觀測(cè)值之間的損失函數(shù)進(jìn)行優(yōu)化評(píng)估,訓(xùn)練出最優(yōu)的模型,從而進(jìn)行評(píng)分預(yù)測(cè)。實(shí)驗(yàn)證明,在評(píng)分非常稀疏的數(shù)據(jù)集中,該模型也能... 

【文章來(lái)源】：重慶郵電大學(xué)重慶市

【文章頁(yè)數(shù)】：74 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

FilmTrust中不同訓(xùn)練集占比下的性能比較

重慶郵電大學(xué)碩士學(xué)位論文 第 5 章 實(shí)驗(yàn)結(jié)果分析2. CNN 集成效果分析(a) 不同訓(xùn)練集占比下的 MAE 比較 (b) 不同訓(xùn)練集占比下的 RMSE 比較圖 5.1 FilmTrust 中不同訓(xùn)練集占比下的性能比較

(a) 不同訓(xùn)練集占比下的 MAE 比較 (b) 不同訓(xùn)練集占比下的 RMSE 比較圖 5.1 FilmTrust 中不同訓(xùn)練集占比下的性能比較(a) 不同訓(xùn)練集占比下的 MAE 比較 (b) 不同訓(xùn)練集占比下的 RMSE 比較圖 5.2 MovieLens 中不同訓(xùn)練集占比下的性能比較

【參考文獻(xiàn)】：
期刊論文
[1]融合信任關(guān)系和有用性評(píng)價(jià)的矩陣分解推薦方法[J]. 曾安,徐小強(qiáng).  計(jì)算機(jī)科學(xué). 2017(04)
[2]語(yǔ)義推薦算法研究綜述[J]. 黃震華,張佳雯,張波,喻劍,向陽(yáng),黃德雙.  電子學(xué)報(bào). 2016(09)
[3]基于協(xié)同矩陣分解的評(píng)分與信任聯(lián)合預(yù)測(cè)[J]. 張維玉,吳斌,耿玉水,朱江.  電子學(xué)報(bào). 2016(07)
[4]基于排序?qū)W習(xí)的推薦算法研究綜述[J]. 黃震華,張佳雯,田春岐,孫圣力,向陽(yáng).  軟件學(xué)報(bào). 2016(03)
[5]社會(huì)化推薦系統(tǒng)研究[J]. 孟祥武,劉樹棟,張玉潔,胡勛.  軟件學(xué)報(bào). 2015(06)
[6]協(xié)同過濾推薦算法綜述[J]. 羅文.  科技傳播. 2015(07)
[7]異質(zhì)社交網(wǎng)絡(luò)中協(xié)同排序的好友推薦算法[J]. 陳珂,鄒權(quán),彭志平,柯文德.  小型微型計(jì)算機(jī)系統(tǒng). 2014(06)
[8]基于受限信任關(guān)系和概率分解矩陣的推薦[J]. 印桂生,張亞楠,董宇欣,韓啟龍.  電子學(xué)報(bào). 2014(05)
[9]基于聯(lián)合概率矩陣分解的上下文廣告推薦算法[J]. 涂丹丹,舒承椿,余海燕.  軟件學(xué)報(bào). 2013(03)
[10]不確定近鄰的協(xié)同過濾推薦算法[J]. 黃創(chuàng)光,印鑒,汪靜,劉玉葆,王甲海.  計(jì)算機(jī)學(xué)報(bào). 2010(08)



本文編號(hào)：3222707