智能化時(shí)代已經(jīng)到來(lái),鋪天蓋地的信息讓人無(wú)所適從,如何準(zhǔn)確定位自己感興趣的信息顯得尤為關(guān)鍵。在此背景下,推薦系統(tǒng)應(yīng)運(yùn)而生,它很好地幫助用戶解決了信息過(guò)載的問(wèn)題。評(píng)分預(yù)測(cè)是推薦系統(tǒng)的一個(gè)重要且有意義的研究領(lǐng)域,它通過(guò)預(yù)測(cè)用戶對(duì)物品的評(píng)分給用戶推薦物品。但是由于評(píng)分?jǐn)?shù)據(jù)的稀疏,導(dǎo)致很多評(píng)分預(yù)測(cè)算法的效果不盡如人意。因此如何提高評(píng)分預(yù)測(cè)算法的準(zhǔn)確度已經(jīng)成為了推薦系統(tǒng)的巨大挑戰(zhàn)。本文將基于用戶對(duì)物品的關(guān)注度和用戶評(píng)分?jǐn)?shù)據(jù)的重要度分別建立基于用戶關(guān)注度的評(píng)分預(yù)測(cè)模型和基于用戶評(píng)分?jǐn)?shù)據(jù)重要性的評(píng)分預(yù)測(cè)模型,從而緩解評(píng)分?jǐn)?shù)據(jù)的稀疏性對(duì)預(yù)測(cè)算法的影響,并基于用戶評(píng)分?jǐn)?shù)據(jù)進(jìn)行加權(quán)模型學(xué)習(xí)過(guò)程的研究。本文的主要研究工作與貢獻(xiàn),有以下三個(gè)方面:·基于用戶關(guān)注度的評(píng)分預(yù)測(cè):在電子商務(wù)網(wǎng)站中,用戶不能關(guān)注到所有的物品,而是有選擇地關(guān)注自己感興趣的物品,因此用戶對(duì)物品的關(guān)注度可以隱性地反饋出用戶的興趣愛(ài)好。本文通過(guò)分析用戶關(guān)注度對(duì)用戶評(píng)分值的影響,使用遷移學(xué)習(xí)將用戶對(duì)物品的關(guān)注度這一隱性反饋信息遷移到目標(biāo)領(lǐng)域,運(yùn)用協(xié)同過(guò)濾技術(shù)和矩陣分解技術(shù),分別提出基于用戶關(guān)注度的協(xié)同過(guò)濾模型UAD和基于用戶關(guān)注度的矩陣分解模型U...

【文章頁(yè)數(shù)】：96 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖1.1:亞馬遜評(píng)論實(shí)例

利用用戶的歷史行為數(shù)據(jù)和用戶對(duì)物品的反饋信息建立評(píng)分預(yù)測(cè)模型。然后通過(guò)模型預(yù)測(cè)用戶對(duì)物品的評(píng)分值，最后將分值高的商品推薦給用戶。如圖1.1所展示的是亞馬遜網(wǎng)站上的用戶對(duì)物品的反饋信息，該反饋信息包含文本評(píng)論形式和評(píng)分值評(píng)論形式（以星級(jí)表示）。文本評(píng)論是指用戶通過(guò)撰寫(xiě)文本的形式描述....

圖1.2:用戶日常購(gòu)買行為

1.3研究?jī)?nèi)容和主要貢獻(xiàn)如圖1.2所示，在日常生活中，對(duì)于電子商務(wù)網(wǎng)站上的商品，用戶可能會(huì)進(jìn)行購(gòu)買，也可能僅進(jìn)行瀏覽。此外，用戶在購(gòu)買某個(gè)商品后，可能因?yàn)楦鞣N原因不會(huì)對(duì)其進(jìn)行評(píng)分，從而導(dǎo)致了評(píng)分?jǐn)?shù)據(jù)的缺乏。評(píng)分?jǐn)?shù)據(jù)的缺乏已經(jīng)嚴(yán)重地影響了評(píng)分預(yù)測(cè)算法的準(zhǔn)確度，本文的目標(biāo)便是利用用戶....

圖2.1:問(wèn)題描述

問(wèn)題描述在本文中，我們使用符號(hào)U代表所有用戶的集合，使用符號(hào)I代表所有物品的集合。如圖2.1所示，輸入矩陣OUIseq(R)記錄了所有用戶對(duì)物品的多次評(píng)分的評(píng)分值；其中矩陣中的0元素是缺失值，它代表了用戶沒(méi)有對(duì)物品進(jìn)行過(guò)評(píng)分。例如O(u2,i1)=....

圖3.1:解決方案

模型框架圖3.1:解決方案對(duì)于以上2.1所描述的評(píng)分預(yù)測(cè)問(wèn)題，我們的解決流程如圖3.1所示，我們首先從已有的用戶對(duì)物品的多次評(píng)分?jǐn)?shù)據(jù)矩陣O中計(jì)算出用戶—物品平均評(píng)分值矩陣R和用戶—物品評(píng)分次數(shù)矩陣N，然后從用戶對(duì)物品的評(píng)分次數(shù)中分析出用戶對(duì)物品的關(guān)注程度。最后，我們通....

本文編號(hào)：3950954