互聯(lián)網(wǎng)信息持續(xù)快速增長,以搜索引擎為代表的網(wǎng)絡信息檢索方式已不滿足用戶需求,推薦算法及系統(tǒng)在電商、娛樂、新聞等等行業(yè)已獲得廣泛關(guān)注和應用。近年來,在經(jīng)典的基于內(nèi)容的推薦算法、基于用戶的協(xié)同過濾推薦算法和基于項目的協(xié)同過濾推薦算法的基礎(chǔ)上,學者們提出了許多新的推薦算法,包括隱語義模型LFM（Latent Factor Model）、奇異值分解SVD（Singular Value Decomposition）、貝葉斯個性化排名BPR（Bayesian Personalized Ranking）、因式分解機FM（Factorization Machine）、交替最小二乘法ALS（Alternative Least Square）、神經(jīng)協(xié)同過濾NCF（Neural Collaborative Filtering）、受限玻爾茲曼機RBM（Restricted Boltzmann Machine）等算法。這些研究極大的推動了推薦算法的研究和應用。但是,在面對實際應用系統(tǒng)時,這些算法經(jīng)常遇到下列2個問題的挑戰(zhàn):1.算法難以對新用戶或新項目進行有效推薦,產(chǎn)生“冷啟動”問題。2.用戶、項目交互數(shù)據(jù)占比很... 

【文章頁數(shù)】：63 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 論文組織
第2章 相關(guān)工作
    2.1 數(shù)據(jù)特征提取與向量化
    2.2 異質(zhì)特征
    2.3 深度殘差網(wǎng)絡
第3章 研究基礎(chǔ)
    3.1 基于三元組損失函數(shù)TRIPLET LOSS的 CNN網(wǎng)絡
    3.2 主成分分析法PCA
第4章 基于異質(zhì)特征深度殘差網(wǎng)絡的推薦算法
    4.1 基于異質(zhì)特征深度殘差網(wǎng)絡的推薦算法HRN
    4.2 基于TRIPLET LOSS的加權(quán)混合嵌入訓練
        4.2.1 基于內(nèi)容的嵌入的構(gòu)建
        4.2.2 訓練樣本生成器
        4.2.3 Triplet Loss訓練器
    4.3 HYBRID RESNET預測網(wǎng)絡的搭建
        4.3.1 設(shè)置基線算法
        4.3.2 訓練樣本生成器
        4.3.3 Hybrid Res Net預測網(wǎng)絡的搭建
第5章 實驗結(jié)果
    5.1 數(shù)據(jù)集和評價指標
    5.2 方法比較
    5.3 實驗設(shè)置
    5.4 實驗結(jié)果及分析
第6章 結(jié)論及未來工作
    6.1 結(jié)論
    6.2 未來工作
參考文獻
指導老師對研究生學位論文的學術(shù)評語
學位論文答辯委員會決議書
致謝



本文編號：3696259