近年來(lái),隨著大數(shù)據(jù)、物聯(lián)網(wǎng)、移動(dòng)互聯(lián)等技術(shù)的迅猛發(fā)展引發(fā)了數(shù)據(jù)規(guī)模的爆炸式增長(zhǎng)。在大數(shù)據(jù)時(shí)代下,信息過(guò)載成為常態(tài)。在這種背景之下,用戶(hù)和信息的提供者面臨著諸多問(wèn)題:對(duì)于信息提供者來(lái)說(shuō),如何將自己擁有的海量大數(shù)據(jù)信息按照用戶(hù)的需要合理地展示給用戶(hù),提高用戶(hù)體驗(yàn),增加用戶(hù)的滿(mǎn)意度,是一項(xiàng)很艱巨的任務(wù);對(duì)于用戶(hù)來(lái)說(shuō),在海量的互聯(lián)網(wǎng)信息中快速并且準(zhǔn)確地尋找到自己真正感興趣的信息,同樣是一項(xiàng)很艱難的任務(wù)。為了能夠很好地解決大數(shù)據(jù)時(shí)代下的這些問(wèn)題,推薦系統(tǒng)應(yīng)運(yùn)而生。推薦系統(tǒng)的主要功能是幫助用戶(hù)從海量的數(shù)據(jù)中快速而準(zhǔn)確地尋找到自己真正感興趣的信息。傳統(tǒng)的推薦系統(tǒng)中,往往需要獲得用戶(hù)的相關(guān)信息以及用戶(hù)的歷史交易記錄。但是,在現(xiàn)實(shí)的應(yīng)用場(chǎng)景中,出于對(duì)用戶(hù)個(gè)人隱私信息保密等因素,很多詳細(xì)信息難以獲取,會(huì)話(huà)推薦在這樣的背景下被提出來(lái)。給定一個(gè)電商平臺(tái)的具體應(yīng)用場(chǎng)景,在這個(gè)應(yīng)用場(chǎng)景中,出于用戶(hù)隱私信息保護(hù)的原因,無(wú)法獲取到用戶(hù)的詳細(xì)信息以及用戶(hù)的歷史交易記錄,而會(huì)話(huà)推薦只需要用戶(hù)的當(dāng)前會(huì)話(huà)信息（用戶(hù)在當(dāng)前電商平臺(tái)下點(diǎn)擊查看的商品序列）就可以為其生成商品推薦列表,非常適合這種應(yīng)用場(chǎng)景。在已有的會(huì)話(huà)推薦方法中,使... 

【文章來(lái)源】：遼寧大學(xué)遼寧省 211工程院校

【文章頁(yè)數(shù)】：70 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 課題研究背景和意義
    1.2 研究現(xiàn)狀
        1.2.1 基于聚類(lèi)的推薦方法
        1.2.2 基于深度學(xué)習(xí)的會(huì)話(huà)推薦方法
    1.3 研究的主要內(nèi)容
    1.4 論文組織結(jié)構(gòu)
第二章 相關(guān)概念及技術(shù)
    2.1 會(huì)話(huà)推薦
        2.1.1 推薦系統(tǒng)的組成結(jié)構(gòu)
        2.1.2 會(huì)話(huà)推薦的使用場(chǎng)景和概念描述
        2.1.3 會(huì)話(huà)中用戶(hù)行為數(shù)據(jù)的介紹
    2.2 粗糙K-means方法
        2.2.1 聚類(lèi)方法
        2.2.2 粗糙K-means方法
    2.3 深度學(xué)習(xí)相關(guān)技術(shù)
        2.3.1 深度學(xué)習(xí)技術(shù)的基本特點(diǎn)
        2.3.2 長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)與門(mén)控循環(huán)單元網(wǎng)絡(luò)
        2.3.3 交叉熵?fù)p失函數(shù)
    2.4 本章小結(jié)
第三章 自適應(yīng)權(quán)重粗糙K-means方法
    3.1 問(wèn)題提出
    3.2 方法描述
        3.2.1 下近似集與邊界區(qū)域權(quán)重值度量
        3.2.2 用戶(hù)會(huì)話(huà)個(gè)體對(duì)簇心影響程度的度量
        3.2.3 自適應(yīng)權(quán)重度量
        3.2.4 方法的工作原理
    3.3 實(shí)驗(yàn)設(shè)置與結(jié)果分析
        3.3.1 實(shí)驗(yàn)環(huán)境和評(píng)價(jià)指標(biāo)
        3.3.2 對(duì)比方法簡(jiǎn)介
        3.3.3 實(shí)驗(yàn)結(jié)果與分析
    3.4 本章小結(jié)
第四章 基于深度學(xué)習(xí)的會(huì)話(huà)推薦方法
    4.1 問(wèn)題提出
    4.2 會(huì)話(huà)推薦的公式化描述
    4.3 強(qiáng)化會(huì)話(huà)中用戶(hù)興趣取向
        4.3.1 相關(guān)概念和公式描述
        4.3.2 強(qiáng)化用戶(hù)興趣取向的過(guò)程
    4.4 新增商品特征向量表示方法
    4.5 方法描述
        4.5.1 獲取相似性用戶(hù)
        4.5.2 強(qiáng)化會(huì)話(huà)中用戶(hù)興趣取向
        4.5.3 獲取會(huì)話(huà)的特征向量表示
        4.5.4 生成推薦列表
    4.6 實(shí)驗(yàn)設(shè)置與結(jié)果分析
        4.6.1 實(shí)驗(yàn)環(huán)境與評(píng)價(jià)指標(biāo)
        4.6.2 參數(shù)設(shè)置與對(duì)比方法介紹
        4.6.3 實(shí)驗(yàn)結(jié)果與分析
    4.7 本章小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
致謝
參考文獻(xiàn)
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文及參加科研情況



本文編號(hào)：3581783