隨著互聯(lián)網(wǎng)的迅猛發(fā)展,人們獲取到的信息越來越來多,但這也帶來了“信息過載”的問題。人們無法及時(shí)地獲取到自己需要的信息,而推薦系統(tǒng)被認(rèn)為是解決該問題的主要方法之一。推薦系統(tǒng)能夠有效的幫助人們快速的獲取他們想要的信息,但是在傳統(tǒng)的推薦算法中存在著數(shù)據(jù)稀疏、冷啟動(dòng)等問題。而近年來,深度學(xué)習(xí)技術(shù)在圖像處理以及自然語言處理等方面取得了令人矚目的成就。本文將傳統(tǒng)的推薦算法與深度學(xué)習(xí)算法相結(jié)合,以此來改善傳統(tǒng)推薦算法中所存在的問題,提高推薦系統(tǒng)的推薦精度。本文首先介紹了推薦系統(tǒng)研究的意義與現(xiàn)狀,然后闡述了傳統(tǒng)的推薦系統(tǒng)中常用的幾種推薦算法,并對它們各自的優(yōu)缺點(diǎn)作了說明,接著介紹了推薦系統(tǒng)中幾種評價(jià)指標(biāo)以及相似性的計(jì)算方法。然后為了將深度學(xué)習(xí)技術(shù)應(yīng)用到傳統(tǒng)的推薦算法中,本文選用了變分自編碼器（VAE）,一種具有強(qiáng)大特征提取能力的新型深度網(wǎng)絡(luò)架構(gòu)。本文通過將無監(jiān)督變分自編碼融合到概率矩陣分解,構(gòu)建了一種通過感知上下文的新型推薦模型——變分矩陣分解（VAEMF）。本文對評價(jià)文檔進(jìn)行數(shù)據(jù)預(yù)處理,隨后對處理后的數(shù)據(jù)使用VAE捕獲上下文信息特征,最后使用概率矩陣分解進(jìn)一步提高預(yù)測評分精度。在兩個(gè)公開數(shù)據(jù)集上的進(jìn)... 

【文章來源】：西南交通大學(xué)四川省 211工程院校 教育部直屬院校

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【部分圖文】：

處理后電影評價(jià)文檔

西南交通大學(xué)碩士研究生學(xué)位論文 第 26 頁在圖 3-8 中，是本章選擇了不同的隱藏層的維數(shù) D 在 ML-1m 的數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)的結(jié)果 從實(shí)驗(yàn)中可以看出，VAEMF 模型在維數(shù) D 不斷增加的時(shí)候，RMSE 并沒有出現(xiàn)預(yù)期中下降的情況，反而是在增長 這說明 VAE 在對文檔信息進(jìn)行特征的提取時(shí)，反而是在低維度時(shí)對信息能進(jìn)行更好的壓縮，同時(shí)也說明了低維數(shù)據(jù)所包含的信息可能比高維數(shù)據(jù)更有效 圖 3-8 不同隱藏層維數(shù) D 在 ML-1M 數(shù)據(jù)集上的效果在圖 3-9 中，是本章選擇了不同的隱藏層的層數(shù) h 在 ML-1m 的數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)的結(jié)果 從實(shí)驗(yàn)結(jié)果中可以發(fā)現(xiàn) RMSE 最小的時(shí)候

不同隱藏層的層數(shù)h在ML-1M數(shù)據(jù)集上的效果

【參考文獻(xiàn)】：
期刊論文
[1]反饋式個(gè)性化試題推薦方法[J]. 萬永權(quán),燕彩蓉,朱明,蘇厚勤.  計(jì)算機(jī)應(yīng)用與軟件. 2018(07)
[2]國內(nèi)電子商務(wù)網(wǎng)站推薦系統(tǒng)信息服務(wù)質(zhì)量比較研究——以淘寶、京東、亞馬遜為例[J]. 洪亮,任秋圜,梁樹賢.  圖書情報(bào)工作. 2016(23)
[3]基于物品協(xié)同過濾推薦系統(tǒng)的研究[J]. 師秦龍,陳偉,魏浩.  福建電腦. 2015(07)
[4]協(xié)同過濾推薦技術(shù)綜述[J]. 冷亞軍,陸青,梁昌勇.  模式識(shí)別與人工智能. 2014(08)
[5]基于用戶相似度遷移的協(xié)同過濾推薦算法[J]. 柯良文,王靖.  微型機(jī)與應(yīng)用. 2014(14)
[6]基于個(gè)性化數(shù)據(jù)的搜索引擎技術(shù)研究[J]. 鄭煒,梁戰(zhàn)平,梁建.  情報(bào)理論與實(shí)踐. 2013(10)
[7]推薦系統(tǒng)中的冷啟動(dòng)問題研究綜述[J]. 孫冬婷,何濤,張福海.  計(jì)算機(jī)與現(xiàn)代化. 2012(05)
[8]推薦引擎:讀懂你的消費(fèi)欲望[J]. 周政華.  中國新聞周刊. 2011(35)
[9]協(xié)同過濾中基于用戶興趣度的相似性度量方法[J]. 嵇曉聲,劉宴兵,羅來明.  計(jì)算機(jī)應(yīng)用. 2010(10)
[10]基于共同評分和相似性權(quán)重的協(xié)同過濾推薦算法[J]. 汪靜,印鑒,鄭利榮,黃創(chuàng)光.  計(jì)算機(jī)科學(xué). 2010(02)

博士論文
[1]協(xié)同過濾系統(tǒng)的稀疏性與冷啟動(dòng)問題研究[D]. 孫小華.浙江大學(xué) 2005



本文編號：2964368