推薦系統(tǒng)旨在生成最終用戶可能感興趣的項目的個性化排序列表。隨著深度學(xué)習(xí)在計算機視覺和語音識別領(lǐng)域的空前成功,那么如何將深度學(xué)習(xí)合理地引入到推薦系統(tǒng)也引發(fā)了研究人員的思考。知識圖譜,作為一個新的研究熱點,包含了豐富的實體語義關(guān)聯(lián)的新型輔助信息。研究人員發(fā)現(xiàn),當(dāng)知識圖譜引入推薦系統(tǒng),可以達(dá)到減少數(shù)據(jù)稀疏性和冷啟動問題,是推薦系統(tǒng)中神經(jīng)網(wǎng)絡(luò)良好的輔助劑。在傳統(tǒng)的推薦系統(tǒng)中,因其依賴于矩陣分解協(xié)同過濾算法進(jìn)行推薦,不可避免地會出現(xiàn)冷啟動和數(shù)據(jù)稀疏性問題。數(shù)據(jù)稀疏性問題往往是指在比如大規(guī)模電商等平臺,用戶和項目數(shù)量非常大,但是在獲得的用戶-項目矩陣中,用戶平均有交互的項目數(shù)量較小,這樣就會造成用戶-項目矩陣稀疏。而冷啟動問題是指如何在沒有大量用戶數(shù)據(jù)的情況下為新用戶做個性化推薦。數(shù)據(jù)的稀疏性問題最終會導(dǎo)致無法捕捉到不同用戶和不同項目之間的關(guān)系,從而降低了推薦系統(tǒng)的準(zhǔn)確度。隱式反饋作為表示一種隱式表達(dá),可以通過多種方式獲得用戶的喜好,而不是僅局限于顯示的表達(dá)喜愛,從而豐富用戶-項目矩陣,進(jìn)而緩解了數(shù)據(jù)稀疏性問題。神經(jīng)網(wǎng)絡(luò)可以從更高的維度去剖析事物和事物之間的關(guān)系,也讓數(shù)據(jù)稀疏性問題得到了改善。冷啟...

【文章頁數(shù)】：74 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
專用術(shù)語注釋表
第一章 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究及應(yīng)用現(xiàn)狀
        1.2.1 傳統(tǒng)協(xié)同過濾推薦
        1.2.2 深度學(xué)習(xí)引入推薦系統(tǒng)
        1.2.3 知識圖譜技術(shù)融合推薦系統(tǒng)
    1.3 論文的主要研究內(nèi)容
    1.4 論文的創(chuàng)新點
    1.5 論文結(jié)構(gòu)與安排
第二章 相關(guān)背景知識介紹
    2.1 推薦系統(tǒng)基礎(chǔ)研究
        2.1.1 隱式反饋
        2.1.2 矩陣分解
        2.1.3 貝葉斯個性化排序?qū)W習(xí)
    2.2 知識圖譜表示學(xué)習(xí)
    2.3 神經(jīng)網(wǎng)絡(luò)基礎(chǔ)研究
第三章 融合知識圖譜表示學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)的推薦系統(tǒng)框架
    3.1 問題描述
    3.2 KNCR框架概述
    3.3 KNCR隱式反饋學(xué)習(xí)過程
        3.3.1 基于貝葉斯排序的優(yōu)化
        3.3.2 KNCR的隱式反饋學(xué)習(xí)過程
    3.4 KNCR的預(yù)測過程
第四章 知識圖譜表示學(xué)習(xí)嵌入框架
    4.1 知識圖譜表示學(xué)習(xí)嵌入層
    4.2 實驗結(jié)果與分析
        4.2.1 實驗環(huán)境
        4.2.2 數(shù)據(jù)集描述
        4.2.3 參數(shù)設(shè)置
        4.2.4 評價指標(biāo)
        4.2.5 基線比較
        4.2.6 實驗過程
        4.2.7 KNCR的性能比較
        4.2.8 不同的知識表示學(xué)習(xí)和嵌入層數(shù)的影響
    4.3 本章小結(jié)
第五章 神經(jīng)網(wǎng)絡(luò)融合傳統(tǒng)協(xié)同過濾排序框架
    5.1 神經(jīng)網(wǎng)絡(luò)協(xié)同過濾排序框架
        5.1.1 KNCR-MLP
        5.1.2 KNCR-CNN
    5.2 實驗結(jié)果與分析
        5.2.1 實驗環(huán)境
        5.2.2 數(shù)據(jù)集描述
        5.2.3 參數(shù)設(shè)置
        5.2.4 評價指標(biāo)
        5.2.5 基線比較
        5.2.6 實驗過程
        5.2.7 KNCR的性能比較
    5.3 本章小結(jié)
第六章 總結(jié)與展望
參考文獻(xiàn)
附錄1 程序清單
附錄2 攻讀碩士學(xué)位期間撰寫的論文
附錄3 攻讀碩士學(xué)位期間申請的專利
附錄4 攻讀碩士學(xué)位期間參加的科研項目
致謝



本文編號：3826446