融合語(yǔ)義信息的因子模型推薦算法研究.pdf

1、隨著互聯(lián)網(wǎng)服務(wù)和信息處理技術(shù)的迅速發(fā)展，個(gè)性化推薦技術(shù)作為新的面向個(gè)性化需求的智能信息處理技術(shù)得到了快速發(fā)展和廣泛研究，基于用戶歷史內(nèi)容和基于協(xié)同過(guò)濾的推薦是兩類傳統(tǒng)的推薦算法，其中因子模型是協(xié)同過(guò)濾的典型代表之一。但它們有各自的優(yōu)缺點(diǎn):一方面，基于用戶歷史內(nèi)容的方法在推薦結(jié)果的解釋性上具有天然的優(yōu)勢(shì)，但在精度上往往會(huì)被歷史記錄局限而不夠理想;另一方面，因子模型基于堅(jiān)實(shí)的優(yōu)化理論，在推薦精度上比較理想，但對(duì)推薦結(jié)果的解釋性支持不好。

2、r>　　本文結(jié)合面向內(nèi)容的推薦方法和基于協(xié)同思想的因子模型方法，將內(nèi)容信息進(jìn)行語(yǔ)義提取，以用戶上下文語(yǔ)義的形式加入因子模型中，在保證因子模型推薦精度的前提下提供推薦結(jié)果的語(yǔ)義解釋。
　　本文的工作主要包括以下四個(gè)方面:
　　（一）針對(duì)協(xié)同過(guò)濾中有代表性的因子模型方法，對(duì)主要的改進(jìn)工作進(jìn)行了綜述，包括:結(jié)合近鄰模型、融合時(shí)間趨勢(shì)信息、支持基于產(chǎn)品的解釋性、融合歷史瀏覽信息等方面的改進(jìn)工作;
　　（二）針對(duì)基于內(nèi)容的推薦，

3、對(duì)可用作推薦數(shù)據(jù)源的內(nèi)容類型進(jìn)行了總結(jié)，然后結(jié)合文本處理技術(shù)探討了將隱性語(yǔ)義分析、隱式狄利克雷分布等方法用于推薦內(nèi)容的語(yǔ)義分析中;
　?。ㄈ┰谇叭藢?duì)融合內(nèi)容的因子模型改進(jìn)基礎(chǔ)上提出了語(yǔ)義因子模型(Semantic Factor Model，sFM)，即構(gòu)建了包括用戶內(nèi)容話題語(yǔ)義分析、融合語(yǔ)義因子的因子模型兩部分的雙層模型。經(jīng)實(shí)驗(yàn)驗(yàn)證，在推薦精度上有顯著提升，同時(shí)支持所推薦產(chǎn)品的語(yǔ)義解釋性;
　　（四）將語(yǔ)義因子模型sFM推