推薦系統(tǒng)是人們從海量信息中獲取所需信息的重要手段。它的目標(biāo)是連接用戶和信息。然而,目前多數(shù)推薦系統(tǒng)的推薦依據(jù)是用戶實(shí)時(shí)行為數(shù)據(jù)和用戶歷史行為數(shù)據(jù)。當(dāng)推薦系統(tǒng)內(nèi)的用戶數(shù)據(jù)量不能達(dá)到推薦要求時(shí),就會(huì)出現(xiàn)推薦系統(tǒng)的用戶冷啟動(dòng)現(xiàn)象。因此推薦系統(tǒng)需要對(duì)用戶冷啟動(dòng)情景做區(qū)分推薦處理,緩解用戶冷啟動(dòng)現(xiàn)象導(dǎo)致的推薦效果下降問題。用戶冷啟動(dòng)現(xiàn)象也是當(dāng)前推薦領(lǐng)域普遍面臨的問題。為了緩解冷啟動(dòng)用戶因缺少歷史行為數(shù)據(jù)造成的推薦效果大幅下降現(xiàn)象,本論文基于音樂熱評(píng)混合推薦平臺(tái)的構(gòu)建,針對(duì)服務(wù)用戶冷啟動(dòng)環(huán)境的混合推薦系統(tǒng)進(jìn)行了研究。使用異步網(wǎng)絡(luò)爬蟲獲取當(dāng)前網(wǎng)絡(luò)平臺(tái)上存在的音樂熱門評(píng)論及相關(guān)數(shù)據(jù),使用多種推薦算法構(gòu)建混合推薦引擎,使音樂熱評(píng)混合推薦平臺(tái)的冷啟動(dòng)用戶也可以獲得個(gè)性化的音樂熱門評(píng)論推薦,滿足冷啟動(dòng)用戶對(duì)音樂熱門評(píng)論的獲取需求,提升冷啟動(dòng)用戶對(duì)整個(gè)推薦系統(tǒng)的推薦滿意度。本文的主要工作包括以下方面。首先,本論文研究了用戶冷啟動(dòng)問題的解決機(jī)制和用戶對(duì)音樂熱門評(píng)論的獲取需求,分析了各種網(wǎng)絡(luò)爬蟲框架各自擅長的業(yè)務(wù)場(chǎng)景和功能,結(jié)合分布式數(shù)據(jù)庫MongoDB和關(guān)系型數(shù)據(jù)庫SQLite,構(gòu)建了一套基于Scrapy爬蟲框...

【文章頁數(shù)】：73 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖３－１平臺(tái)需求用例圖??３．２平臺(tái)架構(gòu)??

山東大學(xué)碩士學(xué)位論文??的耦合性，使各功能模塊更容易擴(kuò)展是非常重要的。如信息獲取模塊的擴(kuò)展，平??臺(tái)用戶可能對(duì)某一數(shù)據(jù)比較感興趣，則需要對(duì)數(shù)據(jù)獲取模塊獲取的字段進(jìn)行擴(kuò)展，??增添用戶需要的字段；另外隨著推薦技術(shù)的發(fā)展，推薦算法也在不斷的更新，為??了提升推薦效果，需要對(duì)推薦模塊進(jìn)....

圖３－３平臺(tái)流程圖??３．４本章小結(jié)??

山東大學(xué)碩士學(xué)位論文??（開始）?？麵麵?？?ｍｍｍ?？評(píng)論召回??Ｉ￣￣｜?結(jié)果』謝濾??是?否??Ｉ??ＦＭ算法?Ｂａｎｄｉｔ算法??Ｔ??????鋪錯(cuò)？崠?？纖展示—＜?額）??圖３－３平臺(tái)流程圖??３．４本章小結(jié)??本章主要介紹了音樂熱評(píng)混合推薦平臺(tái)的需求分析、平臺(tái)的整體....

圖４－３推薦模塊流程圖??４．３．１評(píng)論熱度召回??大多數(shù)的個(gè)性化推薦算法需要充足的數(shù)據(jù)才能學(xué)習(xí)出能夠進(jìn)行個(gè)性化推薦??

山東大學(xué)碩士學(xué)位論文??使用因子分解機(jī)（Ｆａｃｔｏｒｉｚａｔｉｏｎ?Ｍａｃｈｉｎｅ）或引入上下文信息的Ｂａｎｄｉｔ算法對(duì)召??回結(jié)果進(jìn)行排序，完成推薦服務(wù)。??包含召回及排序模塊的推薦模塊如圖４－３所示：??獲取召回的苜評(píng)論???］?［???評(píng)論去重、過濾已看??ｆ?判斷打標(biāo)轟交....

圖４－４評(píng)論內(nèi)容相似召回流程圖??召回過程首先需要對(duì)原始數(shù)據(jù)進(jìn)行處理，提取出評(píng)論ＩＤ和評(píng)論的字段，需??

??ＰＶ－ＤＭ是通過上下文環(huán)境預(yù)測(cè)當(dāng)前值，原理類似于Ｗｏｒｄ２Ｖｅｃ算法中的ＣＢＯＷ??模型。而ＰＶ－ＤＢＯＷ忽略輸入的上下文，預(yù)測(cè)段落中的隨機(jī)一個(gè)單詞。類似于??Ｗｏｒｄ２ｖｅｃ中的ｓｋｉｐ－ｇｒａｍ模型。本論文采用了?ＰＶ－ＤＢＯＷ模型。??當(dāng)用戶向音樂熱評(píng)混合推薦平臺(tái)提交推....

本文編號(hào)：3934742