發(fā)布時(shí)間：2021-01-29 20:40

　　隨著移動(dòng)互聯(lián)網(wǎng)的高速發(fā)展,電子商務(wù)和在線社交網(wǎng)絡(luò)等Web2.0應(yīng)用快速普及,隨之產(chǎn)生了海量且動(dòng)態(tài)變化的用戶行為數(shù)據(jù)。用戶評(píng)分?jǐn)?shù)據(jù)是一種重要的用戶行為數(shù)據(jù),反映了用戶對(duì)相關(guān)產(chǎn)品或服務(wù)的喜好程度。通過(guò)分析這些用戶評(píng)分?jǐn)?shù)據(jù)并建立用戶偏好模型,能夠?yàn)榫珳?zhǔn)廣告推薦、用戶畫像等個(gè)性化服務(wù)提供重要的數(shù)據(jù)和技術(shù)基礎(chǔ),且具有重要意義。近年來(lái),許多研究人員提出了利用隱變量模型構(gòu)建用戶偏好模型的方法,以描述評(píng)分?jǐn)?shù)據(jù)中的隱含知識(shí),從而簡(jiǎn)化模型和增強(qiáng)模型的可解釋性。含隱變量貝葉斯網(wǎng)（Bayesian network with a latent variable,BNLV）作為隱變量模型的一種,能夠通過(guò)隱變量描述隱含在評(píng)分?jǐn)?shù)據(jù)中的用戶偏好,并且可以描述評(píng)分?jǐn)?shù)據(jù)中屬性間任意形式依賴關(guān)系及不確定性。傳統(tǒng)的隱變量模型構(gòu)建方法通常基于批量訓(xùn)練模式的機(jī)器學(xué)習(xí)算法,其假設(shè)所有評(píng)分?jǐn)?shù)據(jù)在整個(gè)訓(xùn)練過(guò)程中可用。然而,數(shù)據(jù)通常按順序到達(dá),用戶偏好可能會(huì)動(dòng)態(tài)變化,用戶產(chǎn)生的評(píng)分?jǐn)?shù)據(jù)數(shù)量也會(huì)隨著時(shí)間的推移而逐漸減少。評(píng)分?jǐn)?shù)據(jù)稀疏和實(shí)時(shí)的特性,使得基于批量訓(xùn)練模式的偏好建模算法難以適應(yīng)現(xiàn)實(shí)世界的在線應(yīng)用。綜上所述,本文的主要研究?jī)?nèi)容概括如... 

【文章來(lái)源】：云南大學(xué)云南省 211工程院校

【文章頁(yè)數(shù)】：64 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１．２評(píng)分頻數(shù)隨時(shí)間變化的例子??大多數(shù)用于用戶偏好建模的傳統(tǒng)算法［２４＇３８＇?４８］是通過(guò)批量訓(xùn)練的方式進(jìn)行的，??２??

圖SJ用戶偏好發(fā)現(xiàn)的召回率

圖5月用戶偏好發(fā)現(xiàn)的準(zhǔn)確率

【參考文獻(xiàn)】：
期刊論文
[1]基于貝葉斯網(wǎng)的評(píng)價(jià)數(shù)據(jù)分析和動(dòng)態(tài)行為建模[J]. 王飛,岳昆,孫正寶,武浩,馮輝.  計(jì)算機(jī)研究與發(fā)展. 2017(07)
[2]Preference transfer model in collaborative filtering for implicit data[J]. Bin JU,Yun-tao QIAN,Min-chao YE.  Frontiers of Information Technology & Electronic Engineering. 2016(06)
[3]多攝像機(jī)監(jiān)控中基于貝葉斯因果網(wǎng)的人物角色識(shí)別[J]. 明安龍,馬華東,傅慧源.  計(jì)算機(jī)學(xué)報(bào). 2010(12)
[4]包含隱變量的貝葉斯網(wǎng)絡(luò)增量學(xué)習(xí)方法[J]. 田鳳占,黃麗,于劍,黃厚寬.  電子學(xué)報(bào). 2005(11)

碩士論文
[1]基于隱變量模型的評(píng)分?jǐn)?shù)據(jù)分析與用戶偏好建模[D]. 高仁尚.云南大學(xué) 2017



本文編號(hào)：3007573