版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、隨著互聯(lián)網(wǎng)技術(shù)特別是以淘寶和亞馬遜等為代表的電子商務(wù)的飛速發(fā)展,互聯(lián)網(wǎng)中的數(shù)據(jù)呈現(xiàn)爆炸性增長,信息過載問題顯得越來越嚴(yán)重。幫助我們從海量數(shù)據(jù)中篩選出有意義數(shù)據(jù)的信息過濾技術(shù)顯得越來越重要。在此背景下,推薦系統(tǒng)誕生了,并且迅速發(fā)展成為當(dāng)前互聯(lián)網(wǎng)應(yīng)用中的重要組成部分。推薦系統(tǒng)根據(jù)用戶行為記錄從大規(guī)模數(shù)據(jù)中找到用戶感興趣商品,它對于提高用戶的滿意度和零售商的銷售額具有重要的意義。
用戶在互聯(lián)網(wǎng)中的行為主要分為兩類,分別是隱性反饋行為
2、和顯性反饋行為。其中在隱性反饋行為中用戶沒有顯式地表達(dá)對特定商品的偏好,主要包括用戶的點(diǎn)擊、瀏覽、收藏等行為;而在顯性反饋行為中用戶則顯式地表達(dá)了對特定商品的偏好信息,這些行為中較為常見的主要有評分行為。針對不同類型的用戶反饋行為數(shù)據(jù)有不同的推薦方法,本文對兩種不同的用戶反饋行為進(jìn)行了細(xì)致地分析和挖掘,并且分別有針對性地提出了兩種方法以提高推薦系統(tǒng)的性能。
針對顯性反饋行為的評分行為,本文選取Top-K推薦作為研究目標(biāo)。引入信
3、息檢索領(lǐng)域排序?qū)W習(xí)的方法并且融合用戶的社交信息和商品標(biāo)簽信息,本文擴(kuò)展了一種基于列表排序?qū)W習(xí)的矩陣分解方法,一方面充分考慮用戶之間關(guān)注關(guān)系。首先通過用戶之間的關(guān)注關(guān)系計(jì)算用戶之間的信任度,接著通過用戶之間的信任度在原始模型的損失函數(shù)中添加用戶社交約束項(xiàng),使相互信任的用戶偏好向量盡可能接近。另一方面,計(jì)算商品所擁有標(biāo)簽的權(quán)重并以此計(jì)算商品之間的標(biāo)簽相似度,再將商品的標(biāo)簽約束項(xiàng)添加至損失函數(shù)中。在真實(shí)Epinions和百度電影數(shù)據(jù)集中的實(shí)驗(yàn)
4、結(jié)果表明,我們提出的方法的NDCG值和原始模型相比具有一定的提高,有效地提高了推薦準(zhǔn)確率。
針對隱性反饋行為,本文選取電子商務(wù)領(lǐng)域的下一個(gè)購物籃推薦作為研究目標(biāo)。本文首先將用戶行為按照一定的時(shí)間窗口進(jìn)行劃分,對于每個(gè)窗口從多個(gè)不同的維度抽取用戶對商品的時(shí)序偏好特征;接著運(yùn)用深度學(xué)習(xí)領(lǐng)域的卷積神經(jīng)網(wǎng)絡(luò)模型,模型中的卷積層組合不同長度的特征圖來訓(xùn)練分類器。在阿里巴巴移動(dòng)推薦算法競賽公布的真實(shí)數(shù)據(jù)集中的實(shí)驗(yàn)結(jié)果表明,和傳統(tǒng)的線性模型
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于卷積神經(jīng)網(wǎng)絡(luò)的業(yè)務(wù)流程推薦算法研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的網(wǎng)頁排序?qū)W習(xí)算法研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的網(wǎng)頁排序?qū)W習(xí)算法研究(1)
- 基于卷積神經(jīng)網(wǎng)絡(luò)的電影推薦模型研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的句子分類算法.pdf
- 基于SDSOC的卷積神經(jīng)網(wǎng)絡(luò)算法實(shí)現(xiàn).pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)和嵌套網(wǎng)絡(luò)的目標(biāo)跟蹤算法研究.pdf
- 基于遺傳算法和卷積神經(jīng)網(wǎng)絡(luò)的正則極速學(xué)習(xí)機(jī)研究
- 基于卷積神經(jīng)網(wǎng)絡(luò)的圖像識(shí)別算法研究
- 基于免疫卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)研究.pdf
- 基于深度卷積神經(jīng)網(wǎng)絡(luò)的圖像檢索算法研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的QR碼定位算法研究.pdf
- 基于Caffe深度學(xué)習(xí)框架的卷積神經(jīng)網(wǎng)絡(luò)研究.pdf
- 基于自編碼和卷積神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別算法研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的人群計(jì)數(shù)算法研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的盲車牌識(shí)別算法研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的鞋印圖像分類算法研究.pdf
- 基于改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)算法的研究與應(yīng)用.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的圖像語義分割算法研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測算法研究.pdf
評論
0/150
提交評論