異構(gòu)信息網(wǎng)絡(luò)HIN由于其豐富的語義信息在推薦任務(wù)中得到廣泛應(yīng)用。但是,傳統(tǒng)的HIN推薦忽略了元路徑Meta-path的屬性信息,以及不同對(duì)象之間的相互影響。如何充分利用Meta-path信息以提升HIN推薦性能成為當(dāng)前HIN推薦發(fā)展的關(guān)鍵難題。本文主要考慮一種特殊的HIN二分網(wǎng)絡(luò)BN,并構(gòu)建和實(shí)現(xiàn)Top-N推薦。為了更全面地獲取用戶的偏好信息,本文同時(shí)考慮用戶-對(duì)象的顯式和隱式反饋信息以準(zhǔn)確挖掘潛在的用戶偏好信息和對(duì)象特征。為了提升HIN的推薦性能,通過融合矩陣分解MF和深度神經(jīng)網(wǎng)絡(luò)DNN構(gòu)建推薦模型,分別得到顯式和隱式反饋預(yù)測(cè)結(jié)果,并通過結(jié)合顯隱式反饋預(yù)測(cè)結(jié)果實(shí)現(xiàn)Top-N推薦。首先,針對(duì)顯式反饋信息中用戶-對(duì)象本身的特性,引入兩個(gè)偏置因子考慮其自身特性,針對(duì)無法直接獲取用戶-對(duì)象顯式反饋信息的數(shù)據(jù)通過構(gòu)建深度學(xué)習(xí)模型獲取用戶-對(duì)象顯式反饋信息。分別將顯隱式反饋信息作為輸入進(jìn)行訓(xùn)練以更好地挖掘評(píng)分信息背后的潛在信息。然后,針對(duì)用戶-對(duì)象評(píng)分Meta-path的關(guān)系和屬性值信息,融合MF和DNN模型。通過MF和DNN學(xué)習(xí)獨(dú)立的特征嵌入可以充分考慮用戶-對(duì)象的線性特征和非線性特征,對(duì)顯式...

【文章頁數(shù)】：71 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題背景及研究意義
    1.2 課題相關(guān)國(guó)內(nèi)外研究現(xiàn)狀
    1.3 主要研究?jī)?nèi)容
    1.4 論文組織結(jié)構(gòu)
第2章 相關(guān)理論基礎(chǔ)及技術(shù)
    2.1 異構(gòu)信息網(wǎng)絡(luò)(HIN)
    2.2 矩陣分解介紹
    2.3 深度學(xué)習(xí)模型
    2.4 HIN的推薦方法
    2.5 本章小結(jié)
第3章 結(jié)合顯隱式反饋的Top-N推薦模型
    3.1 推薦模型的提出與分析
    3.2 顯隱式反饋信息分析
    3.3 Meta-path分析和選擇
        3.3.1 Meta-path分析
        3.3.2 Meta-path選擇
    3.4 結(jié)合顯隱式反饋的Top-N推薦模型構(gòu)建
        3.4.1 基于Meta-path的顯式反饋預(yù)測(cè)
        3.4.2 基于Meta-path的隱式反饋預(yù)測(cè)
        3.4.3 結(jié)合顯隱式反饋預(yù)測(cè)
        3.4.4 Top-N推薦列表生成
    3.5 HIN中結(jié)合顯隱式反饋模型的應(yīng)用
    3.6 本章小結(jié)
第4章 融合MF與 DNN的推薦方法MFDNN
    4.1 融合MF與 DNN的推薦方法MFDNN介紹
    4.2 基于MF的推薦方法
        4.2.1 基于MF的推薦方法構(gòu)建
        4.2.2 基于MF的推薦方法實(shí)現(xiàn)
    4.3 基于DNN的推薦方法
        4.3.1 基于DNN的推薦方法構(gòu)建
        4.3.2 基于DNN的推薦方法實(shí)現(xiàn)
    4.4 MFDNN融合方法及其優(yōu)化
        4.4.1 MFDNN融合方法
        4.4.2 基于Adam的參數(shù)優(yōu)化
    4.5 本章小結(jié)
第5章 實(shí)驗(yàn)設(shè)計(jì)與結(jié)果分析
    5.1 實(shí)驗(yàn)設(shè)置
        5.1.1 實(shí)驗(yàn)環(huán)境選擇
        5.1.2 實(shí)驗(yàn)數(shù)據(jù)
        5.1.3 評(píng)估指標(biāo)
        5.1.4 基線方法
    5.2 參數(shù)選擇
    5.3 實(shí)驗(yàn)結(jié)果
        5.3.1 顯隱式反饋信息對(duì)比實(shí)驗(yàn)
        5.3.2 MF和 DNN學(xué)習(xí)獨(dú)立特征嵌入對(duì)比實(shí)驗(yàn)
        5.3.3 實(shí)驗(yàn)結(jié)果及分析
    5.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間承擔(dān)的科研任務(wù)與主要成果
致謝



本文編號(hào)：3782602