推薦系統(tǒng)中的隱語義模型算法研究.pdf

1、推薦系統(tǒng)是一種考慮用戶差異，為用戶提供個(gè)性化服務(wù)的信息過濾技術(shù)，能夠很好地緩解信息過載問題所帶來的挑戰(zhàn)。推薦系統(tǒng)的個(gè)性化服務(wù)方式，不僅促進(jìn)了電子商務(wù)領(lǐng)域的快速發(fā)展，同時(shí)也對(duì)傳統(tǒng)的數(shù)字圖書文獻(xiàn)領(lǐng)域產(chǎn)生了重大影響。
　　本文深入地研究了協(xié)同過濾推薦技術(shù)中隱語義模型的相關(guān)內(nèi)容，主要包括:
　　(1)為明確本文的研究?jī)?nèi)容和研究思路，比較分析了推薦系統(tǒng)領(lǐng)域常見推薦技術(shù)的優(yōu)缺點(diǎn)，全面介紹了隱語義模型的發(fā)展背景和研究現(xiàn)狀，為后期研究工作的

2、展開奠定基礎(chǔ)。
　　(2)詳細(xì)闡述了隱語義模型的工作原理、學(xué)習(xí)算法和評(píng)測(cè)指標(biāo)，介紹了基本的隱語義模型Base-SVD、引入偏置項(xiàng)的隱語義模型Bias-SVD、考慮隱式反饋的隱語義模型SVD++和融合鄰域的隱語義模型Asymmetric-SVD等算法，并在MovieLens數(shù)據(jù)集上比較分析了幾種模型的推薦效果，以及受不同參數(shù)的影響情況，總結(jié)各個(gè)算法的特點(diǎn)。結(jié)果表明:模型Asymmetric-SVD受隱特征維度、學(xué)習(xí)速率等參數(shù)的影響最

3、大，綜合評(píng)分預(yù)測(cè)效果要優(yōu)于其他模型。
　　(3)詳細(xì)討論了隱語義模型在科技文獻(xiàn)推薦領(lǐng)域的應(yīng)用，提出一種融合異構(gòu)信息網(wǎng)絡(luò)和隱語義模型的文獻(xiàn)推薦算法。主要考慮用戶對(duì)文獻(xiàn)的隱式評(píng)分，以元路徑的方式挖掘文獻(xiàn)間的近鄰關(guān)系，從語義關(guān)聯(lián)的角度表達(dá)用戶對(duì)文獻(xiàn)的偏好程度，融合隱語義模型預(yù)測(cè)用戶評(píng)分，實(shí)現(xiàn)推薦。該算法能綜合多維度信息，有效緩解評(píng)分?jǐn)?shù)據(jù)稀疏性問題。
　　(4)對(duì)于元路徑權(quán)值分配問題，文中利用二分類和貝葉斯優(yōu)化排序兩種學(xué)習(xí)算法進(jìn)行求