隨著云計算、大數(shù)據(jù)等技術的高速發(fā)展,互聯(lián)網(wǎng)中越來越多的各類應用使得數(shù)據(jù)規(guī)模呈爆炸式增長。推薦系統(tǒng)作為解決信息過載問題的有效方法,在很多領域得到了廣泛應用。但傳統(tǒng)的推薦算法主要利用淺層模型或者人工提取特征的方式學習特征,導致算法無法獲得用戶和項目更深層次的特征表達。而且傳統(tǒng)的推薦算法大多認為用戶的屬性是固定的,忽略了在用戶行為的序列數(shù)據(jù)中用戶興趣愛好的動態(tài)變化對推薦結(jié)果造成的影響。近年來,深度學習在計算機視覺、語音識別等領域取得了巨大成就,同時也給推薦系統(tǒng)帶來了新的機遇。深度學習可以通過其深層次的非線性網(wǎng)絡結(jié)構從海量用戶行為數(shù)據(jù)中學習到用戶和項目更本質(zhì)的特征表達。其中循環(huán)神經(jīng)網(wǎng)絡可以通過對用戶行為的序列數(shù)據(jù)進行建模,從而學習到用戶的動態(tài)興趣變化,提高下一時刻的推薦精度。因此,本文主要圍繞循環(huán)神經(jīng)網(wǎng)絡來進行推薦算法的研究。首先考慮到目前基于循環(huán)神經(jīng)網(wǎng)絡的推薦算法只關注用戶行為序列的先后信息,忽略了用戶對項目的評分偏好問題,提出了基于評分偏好的循環(huán)神經(jīng)網(wǎng)絡推薦算法。此外將循環(huán)神經(jīng)網(wǎng)絡和深度語義匹配模型相結(jié)合提出了基于深度語義匹配模型的循環(huán)神經(jīng)網(wǎng)絡推薦算法。具體研究內(nèi)容如下:1.提出了基于評分偏好的循環(huán)神經(jīng)網(wǎng)絡推薦算法。算法通過循環(huán)神經(jīng)網(wǎng)絡對用戶行為序列數(shù)據(jù)進行建模,然后將用戶對項目的評分作為對序列中相應項目的偏好,進而將其結(jié)合到對下一時刻項目的預測中。通過在真實數(shù)據(jù)集上進行測試,結(jié)果表明該方法給用戶推薦的下一時刻的項目不僅是用戶將要點擊的項目,同時也是用戶感興趣的項目。2.提出了基于深度語義匹配模型的循環(huán)神經(jīng)網(wǎng)絡推薦算法。算法將循環(huán)神經(jīng)網(wǎng)絡和深度語義匹配模型相結(jié)合,一方面通過循環(huán)神經(jīng)網(wǎng)絡對用戶行為數(shù)據(jù)進行建模學習到用戶當前興趣的隱表示,另一方面通過深度語義匹配模型減少了模型參數(shù),加快了模型的收斂。同時為了讓算法學到更有效的用戶特征表示,最后提出了帶用戶特征的基于深度語義匹配模型的循環(huán)神經(jīng)網(wǎng)絡推薦算法。通過多組實驗表明該算法在收斂較快的同時提高了推薦的命中率。
【學位單位】：華僑大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：TP391.3;TP183

【相似文獻】

相關期刊論文 前10條

1 崔春生;王雪;李文龍;;情境環(huán)境下基于用戶畫像的旅游產(chǎn)品推薦算法研究[J];數(shù)學的實踐與認識;2019年20期

2 俞偉;徐德華;;推薦算法概述與展望[J];科技與創(chuàng)新;2019年04期

3 張世東;;推薦算法概述[J];科技傳播;2019年04期

4 張艷紅;諶頏;;基于標簽的自助教育資源推薦算法研究[J];現(xiàn)代信息科技;2019年12期

5 李欣鞠;;個性化推薦算法下的“信息繭房”效應研究——以“天天快報”為例[J];西部廣播電視;2019年13期

6 陳軍;謝衛(wèi)紅;陳揚森;;國內(nèi)外大數(shù)據(jù)推薦算法領域前沿動態(tài)研究[J];中國科技論壇;2018年01期

7 向洋樂;;大數(shù)據(jù)背景下互聯(lián)網(wǎng)購物推薦算法應用研究[J];中國戰(zhàn)略新興產(chǎn)業(yè);2018年04期

8 喻國明;劉鈺菡;王暢穎;王丹敏;;推薦算法:信息推送的王者品性與進階重點[J];山東社會科學;2018年03期

9 劉順程;岳思穎;鐘瑞敏;;基于拉普拉斯噪聲的輕型推薦算法[J];中國戰(zhàn)略新興產(chǎn)業(yè);2018年20期

10 劉濤;劉佐;;一種面向新文章的個性化推薦算法研究[J];控制工程;2018年06期

相關會議論文 前10條

1 米傳民;彭鵬;單曉菲;馬靜;;考慮顯式評分的基于二部圖的推薦算法[A];第十七屆中國管理科學學術年會論文集[C];2015年

2 秦國;杜小勇;;基于用戶層次信息的協(xié)同推薦算法[A];第二十一屆中國數(shù)據(jù)庫學術會議論文集（技術報告篇）[C];2004年

3 王韜丞;羅喜軍;杜小勇;;基于層次的推薦:一種新的個性化推薦算法[A];第二十四屆中國數(shù)據(jù)庫學術會議論文集（技術報告篇）[C];2007年

4 唐燦;;基于模糊用戶心理模式的個性化推薦算法[A];2008年計算機應用技術交流會論文集[C];2008年

5 蘇日啟;胡皓;汪秉宏;;基于網(wǎng)絡的含時推薦算法[A];第五屆全國復雜網(wǎng)絡學術會議論文（摘要）匯集[C];2009年

6 梁莘q

本文編號：2819768