大數(shù)據(jù)時代和智能時代的快速發(fā)展促使推薦系統(tǒng)逐漸成為商業(yè)應用的“標準配置”,因其在提高商業(yè)利潤和滿足用戶的個性化需求兩方面的作用,推薦系統(tǒng)收獲了來自研究界和工業(yè)界越來越多的關注。從不同的應用場景及其相關數(shù)據(jù)來劃分,推薦系統(tǒng)包含若干個重要問題,如傳統(tǒng)的協(xié)同過濾問題、單類協(xié)同過濾問題、協(xié)同排序問題和異構單類協(xié)同過濾問題等。另一方面,受限玻爾茲曼機模型自提出以來,因其結構的靈活性,加上相關學習算法的成熟,已經在諸多領域的諸多任務中發(fā)揮作用,但其在推薦系統(tǒng)領域的應用和研究只限于有限的若干個問題,在其它問題上尚不充分。本文以受限玻爾茲曼機在推薦領域中的應用為核心,研究了推薦系統(tǒng)的若干重要問題:(1)基于受限玻爾茲曼機的混合單類協(xié)同過濾。針對單類協(xié)同過濾問題,探究受限玻爾茲曼機模型與其它經典模型的互補性,具體而言,我們設計、使用混合的方法來進一步提升受限玻爾茲曼機模型的推薦效果;(2)基于受限玻爾茲曼機的協(xié)同排序推薦算法研究。針對協(xié)同排序問題,探究在此問題上受限玻爾茲曼機模型的有效利用。以充分訓練數(shù)據(jù)的蘊含的信息為突破口,提出幾種看待數(shù)據(jù)的思路,設計相應的基于條件受限玻爾茲曼機模型的推薦算法;(3)...

【文章頁數(shù)】：69 頁

【學位級別】：碩士

【部分圖文】：

圖4.215門課程的IRS值

基于受限玻爾茲曼機協(xié)同過濾和Hadoop-Mahout的課程推薦算法的研究Android攻城獅的第一門課（入門篇）9.62.0609036920.2881.886078857Linux達人養(yǎng)成計劃I9.64.5792196000.1504252.3112119....

圖5.7單、雙、三節(jié)點執(zhí)行推薦算法運行時間對比

基于受限玻爾茲曼機協(xié)同過濾和Hadoop-Mahout的課程推薦算法的研究圖5.65MB文件推薦結果Fig.5.65MBfilerecommendationresults從輸出結果看出，對用戶1的推薦課程為2號、11號、12號課程，推薦指數(shù)分為182....

圖1-1網易云音樂中大量使用推薦技術，用于推薦歌曲、歌單和用戶等

基于受限玻爾茲曼機的協(xié)同推薦算法研究2網上出現(xiàn)了越來越多使用了智能推薦技術的產品，如電子商務平臺Amazon1為每個用戶從上億商品中挑選出一小部分予以展示，“千人千面”的背后便是推薦引擎[4][5]，視頻內容平臺Youtube2通過推薦算法幫助用戶發(fā)現(xiàn)個性化內容[6]，今日頭條3....

圖2-1受限玻爾茲曼機示意圖

基于受限玻爾茲曼機的協(xié)同推薦算法研究9際上可以通過最大化關于所有偏序關系物品對所定義的后驗分布來實現(xiàn)�；谶@個假設，BPR算法的最終優(yōu)化目標函數(shù)如下[50]：∑∑∑{()}\,(2.3)式中省略了正則化項，而的計算依賴于其它具體模型。嚴格說來，BPR只是一個優(yōu)化框架，為了解決具體....

本文編號：3919558