bck

收藏本站

基于深度学习的个性化物品推荐研究

【摘要】:在网络技术和电子商务快速发展的今天,互联网上出现了越来越多的在线服务,这些在线服务给人们带来便利的同时,也导致网上信息量的急剧增加,用户不得不花费更多的时间,在大量的信息中选择他们感兴趣的内容,这就是信息过载问题。推荐系统作为处理信息过载问题的主要手段,是一种采用机器学习技术,对用户偏好分析的基础上,在合理的时间内向用户推荐合适内容的智能决策系统。当前,尽管在各种不同的社会领域,个性化推荐技术已得到普遍使用,但已有推荐系统仍然存在数据稀疏性、冷启动、长尾物品难以被推荐、不能有效处理图结构数据等问题,导致推荐的性能不高,用户的体验较差,制约了个性化推荐系统的发展。作为一种非线性的深度神经网络技术,深度学习与传统浅层学习完全不同,它能自动进行特征学习,可以挖掘推荐系统中用户及物品间隐含的、潜在的许多特征。基于深度学习的个性化推荐研究与应用,已受到产业界及学术界的日益重视。如何利用深度学习相关原理及技术,去缓解、克服已有个性化物品推荐系统中存在的问题,以提高推荐系统的性能,是一个非常值得研究的课题。论文研究运用深度学习相关原理与技术,针对已有个性化物品推荐系统中存在的数据稀疏性、冷启动、长尾物品难以被推荐及图结构数据处理的不足等四个方面问题,进行了相关研究。主要研究工作及成果如下:(1)针对已有个性化推荐技术中存在的数据稀疏性问题,运用卷积神经网络(Convolutional Neural Networks,CNN)具有较强捕捉局部特征能力的优势,通过加入一个调节层,提出了一种改进的CNN局部相似性预测的物品个性化推荐模型(Local Similarity Prediction of CNN)—LSPCNN。新模型在对初始用户——物品评分矩阵进行迭代调整的基础上,使用户兴趣偏好局部特征化,再融合CNN对缺失评分进行预测,从而实施个性化推荐。实验结果表明,LSPCNN模型在不同数据稀疏度下的MAE值较已有推荐方法均有所下降,一定程度上缓解了个性化物品推荐过程中数据的稀疏性。(2)针对已有物品冷启动推荐相关研究中,很少考虑用户的时序偏好,导致推荐的准确度不高,用户体验不佳等问题,构建了一种基于TextRank和长短期记忆网络(Long Short Term Memory,LSTM)的物品冷启动个性化推荐模型—TextRank-LSTM。该模型首先引入平均信息熵改进TextRank算法,分别对新物品内容信息与用户行为物品相关信息等进行相应的物品特征关键词提取;然后引入用户正负向行为影响因子,对LSTM门逻辑进行改进,并将用户行为物品特征向量,按时间先后序列,作为改进LSTM的输入,以获取目标用户偏好经验的知识序列;最后运用TextRank-LSTM个性化推荐模型,实现对新物品的推荐。实验结果表明,与已有一些推荐模型相比,TextRank-LSTM模型在推荐的准确度、召回率得到提高的同时,推荐的新颖度也得到明显提升,在一定程度上有效缓解了新物品的冷启动问题。(3)针对已有个性化推荐技术中存在的长尾物品难以被推荐问题,特别是由于很多处在长尾部分的物品,其用户评分、评论等数据少,导致已有的、以评分预测为基础的个性化推荐技术,难以推荐处在长尾的冷门物品,严重影响了这些物品的销售。论文提出了一种融合主题模型与深度受限玻尔兹曼机(Deep Restricted Boltzmann Machines,DBM)的长尾物品推荐方法(Long Tail Items Recommendation Model Based on DBM)—LDBM。该方法通过挖掘物品信息的主题特征及用户偏好主题特征,构建用户和物品之间的联系,结合改进的深度受限玻尔兹曼机,对用户未知的、潜在的偏好主题进行预测,以达到提高长尾物品推荐性能的目的。实验结果表明,LDBM模型具有一定长尾物品推荐能力,提升了个性化推荐的效果。(4)针对已有个性化推荐技术主要处理常规的用户——物品评分矩阵及相关文本等数据,难以直接处理图结构数据问题,在对图神经网络(Graph Neural Networks,GNN)研究的基础上,论文提出了一种基于图神经网络链路预测的个性化推荐模型(GNN Link Prediction Recommendation)—GNNLPR。由于图数据的不规则性,图节点的无序可变性,且各个节点都有数量不等的邻居节点,给基于深度学习技术的个性化推荐研究,带来一定的挑战。作为一种直接运行在图结构上的神经网络,图神经网络是深度学习理论与技术在图领域的最新发展,它能通过图的节点之间的消息传递来捕捉图上的依赖关系,在分析非欧几里得形数据和推荐系统不同实体及其相互间的关系具有更好的优势。GNNLPR模型通过图神经网络的聚集与更新操作,对节点信息进行重构;在此基础上,同时考虑节点信息与路径信息,实现GNN图中节点对间链路预测推荐。实验结果表明,GNNLPR模型在处理图结构数据的链路预测推荐方面,表现出了较好的结果,进一步提升推荐系统的性能。论文主要创新点包括:(1)从卷积神经网络CNN具有较强捕获局部特征能力的视角,研究了基于深度学习个性化物品推荐中的数据稀疏性问题。论文通过在CNN中加入一个调节层,提出了一种改进CNN的、局部相似性预测的个性化推荐模型—LSPCNN。该模型改变了已有个性化推荐方法从全局的、稀疏的数据中计算用户偏好特征的不足,提升了个性化物品推荐的效果,具有一定的创新性。(2)从反映用户偏好时序行为的视角,研究了基于深度学习的物品冷启动推荐问题。论文针对已有个性化物品冷启动推荐研究中,很少考虑到用户的兴趣或者偏好是有时序的,导致推荐的准确性不高,提出了一个反映用户时序偏好行为的物品冷启动推荐模型—TextRank-LSTM。该模型有效缓解了个性化推荐中的物品冷启问题,具有一定的创新性。(3)从图神经网络GNN的视角,研究了基于深度学习链路预测的个性化推荐问题。论文针对已有个性化推荐方法,难以直接对图结构数据进行处理方面的不足,提出了一个基于GNN链路预测的个性化推荐模型—GNNLPR。该模型运用GNN直接在图结构上进行聚集与更新操作的优势,并充分融合GNN节点信息以及拓扑结构信息的基础上,实现相关链路预测及推荐。

下载App查看全文

(如何获取全文? 欢迎:、、)

支持CAJ、PDF文件格式


【相似文献】
中国期刊全文数据库 前19条
1 吕刚;郝平;盛建荣;;一种改进的深度神经网络在小图像分类中的应用研究[J];计算机应用与软件;2014年04期
2 龙虎;李娜;;基于深度学习的个性化学习资源推荐系统研究[J];电脑编程技巧与维护;2020年02期
3 栾五洋;;基于深度学习的图像风格转换浅论[J];数字通信世界;2018年02期
4 王文;曹铁勇;郑云飞;李飞彬;;第5讲 深度学习在显著性检测中的应用[J];军事通信技术;2016年02期
5 王涛;李明;;深度学习下的推荐系统研究[J];电脑知识与技术;2017年25期
6 高强;靳其兵;程勇;;基于卷积神经网络探讨深度学习算法与应用[J];电脑知识与技术;2015年13期
7 孙成;吴国栋;陶鸿;查志康;陈海涵;;基于深度学习的标签推荐研究[J];洛阳理工学院学报(自然科学版);2019年02期
8 王艳娜;孙丙宇;;基于卷积神经网络的烟瘾渴求脑电分类[J];计算机系统应用;2017年06期
9 李腾飞;秦永彬;;基于迭代深度学习的缺陷检测[J];计算机与数字工程;2017年06期
10 卢宏涛;张秦川;;深度卷积神经网络在计算机视觉中的应用研究综述[J];数据采集与处理;2016年01期
11 汪金涛;曹玉东;李羊;;基于深度学习的人脸识别方法探究[J];电子世界;2016年18期
12 郭旭;朱敬华;;基于用户向量化表示和注意力机制的深度神经网络推荐模型[J];计算机科学;2019年08期
13 马吉科;祝永晋;许杰雄;;基于卷积神经网络的计量装置运行状态异常诊断方法[J];电工电气;2020年12期
14 张力;张洞明;郑宏;;基于联合层特征的卷积神经网络在车标识别中的应用[J];计算机应用;2016年02期
15 谢万里;李宏志;周辉;尹绍武;;基于迁移学习与卷积神经网络的鱼濒死预警系统研究[J];中国农机化学报;2019年02期
16 易生;梁华刚;茹锋;;基于多列深度3D卷积神经网络的手势识别[J];计算机工程;2017年08期
17 王茜;张海仙;;基于深度神经网络的汽车车型识别[J];现代计算机(专业版);2015年35期
18 李思雯;吕建成;倪胜巧;;集成的卷积神经网络在智能冰箱果蔬识别中的应用[J];数据采集与处理;2016年01期
19 张彩霞;;Deep Learning Studio图形化深度学习编程[J];青春岁月;2018年17期
中国重要会议论文全文数据库 前20条
1 陈伟辉;孙阳;陈杰;倪玮;陈冲;薛超;;基于深度学习的地震识别技术展望[A];国家安全地球物理丛书(十四)——资源·环境与地球物理[C];2018年
2 彭瑾;刘必慰;陈胜刚;刘畅;;神经网络压缩模型的解压算法设计及其硬件实现[A];第二十二届计算机工程与工艺年会暨第八届微处理器技术论坛论文集[C];2018年
3 徐梦洋;;基于深度学习的行人再识别研究综述[A];中国计算机用户协会网络应用分会2018年第二十二届网络新技术与应用年会论文集[C];2018年
4 唐业辉;许超;郭天宇;王云鹤;;多级卷积神经网络[A];第十二届全国信号和智能信息处理与应用学术会议论文集[C];2018年
5 郭天宇;朱铭健;王云鹤;许超;;基于自整合卷积神经网络的人脸分类算法[A];第十一届全国信号和智能信息处理与应用学术会议专刊[C];2017年
6 张婷;刘允刚;;基于改进卷积神经网络的语音分离方法[A];第36届中国控制会议论文集(C)[C];2017年
7 耿传玉;王泽宇;周晓君;阳春华;;基于U-net卷积神经网络双层参数优化的心脏图像分割[A];第31届中国过程控制会议(CPCC 2020)摘要集[C];2020年
8 徐硕;;集合经验模态分解的多路-多级神经网络风功率预测模型[A];用电与能效专题讲座暨智能用电及能效管理技术研讨会论文集[C];2019年
9 段滈杉;乔俊飞;蒙西;汤健;;基于模块化神经网络的城市固废焚烧过程氮氧化物软测量[A];第31届中国过程控制会议(CPCC 2020)摘要集[C];2020年
10 韩红桂;甄琪;杜永萍;乔俊飞;;基于低秩双线性卷积神经网络的手机型号识别方法[A];第31届中国过程控制会议(CPCC 2020)摘要集[C];2020年
11 李淋雨;邱寅祺;何星;;基于LSTM的火电厂入口硝浓度预测方法研究[A];第31届中国过程控制会议(CPCC 2020)摘要集[C];2020年
12 潘岚川;马乐乐;刘向杰;;基于卷积神经网络的一次风机故障预警研究[A];第31届中国过程控制会议(CPCC 2020)摘要集[C];2020年
13 刘晶;黄进;赵万国;周丽萍;;一种基于卷积神经网络的非法经营线索挖掘模型[A];2020互联网安全与治理论坛论文集[C];2020年
14 包俊;董亚超;刘宏哲;;卷积神经网络的发展综述[A];中国计算机用户协会网络应用分会2020年第二十四届网络新技术与应用年会论文集[C];2020年
15 刘克楠;侯剑;;基于神经网络的唤醒词识别方法[A];中国计算机用户协会网络应用分会2020年第二十四届网络新技术与应用年会论文集[C];2020年
16 蒋子超;江俊扬;姚清河;杨耿超;;基于神经网络的差分方程快速求解方法[A];第十一届全国流体力学学术会议论文摘要集[C];2020年
17 朱利明;路达;陈占毅;李方明;;基于BP-RBF神经网络的深基坑邻近建筑物沉降势预测[A];土木工程新材料、新技术及其工程应用交流会论文集(下册)[C];2019年
18 周浩;戴国忠;;基于神经网络的指挥信息系统体系贡献度分析[A];2019第七届中国指挥控制大会论文集[C];2019年
19 张子腾;梁烨;胡启鹏;张梦隆;陈智慧;;基于迁移卷积神经网络的脑功能连接分类[A];创新发展与情报服务[C];2019年
20 徐小天;李敏;孙跃;高冉馨;;深度神经网络的攻击与防御技术研究[A];第三届智能电网会议论文集——智能用电[C];2019年
中国博士学位论文全文数据库 前20条
1 吴国栋;基于深度学习的个性化物品推荐研究[D];东华大学;2020年
2 艾鹏程;基于卷积神经网络的高能物理事例特征信息在线提取算法研究[D];华中师范大学;2020年
3 毛博;基于卷积神经网络的地震数据重构与模型构建研究[D];吉林大学;2020年
4 高震宇;基于深度卷积神经网络的图像分类方法研究及应用[D];中国科学技术大学;2018年
5 马超;基于深度神经网络的三维目标检测与识别技术研究[D];国防科技大学;2019年
6 曾宇骏;基于深度神经网络的智能车辆目标识别与学习控制方法研究[D];国防科技大学;2018年
7 张仕良;基于深度神经网络的语音识别模型研究[D];中国科学技术大学;2017年
8 肖理业;基于机器学习的电磁场建模与设计研究[D];电子科技大学;2019年
9 陈涵瀛;核电站热工水力系统工况预测与诊断方法研究[D];哈尔滨工程大学;2018年
10 梁智杰;聋哑人手语识别关键技术研究[D];华中师范大学;2019年
11 刘昂;微结构硅基光子学器件性能的研究[D];南京大学;2019年
12 赵博雅;基于卷积神经网络的硬件加速器设计及实现研究[D];哈尔滨工业大学;2018年
13 杜昌顺;面向细分领域的舆情情感分析关键技术研究[D];北京交通大学;2019年
14 陈科海;机器翻译上下文表示方法研究[D];哈尔滨工业大学;2019年
15 饶红霞;信息受限下神经网络的状态估计和拟同步研究[D];广东工业大学;2019年
16 张马路;Spiking机器学习算法研究[D];电子科技大学;2019年
17 付钱华;忆阻神经网络的动力学研究[D];电子科技大学;2019年
18 毛瑞琛;深度神经网络下的规范化地址建设与语义空间模型研究[D];浙江大学;2019年
19 武晨;DFP航天器动力学特性分析及精确控制方法研究[D];哈尔滨工业大学;2018年
20 杨旭辉;基于神经网络的C-ADS InjectorⅡ束流偏移校准技术研究[D];兰州大学;2019年
中国硕士学位论文全文数据库 前20条
1 柯岩;卷积神经网络基础要素的机理研究[D];北京化工大学;2019年
2 党倩;基于深度卷积神经网络的交通标志识别[D];陕西师范大学;2016年
3 孙俊;基于深度神经网络的推荐系统模型研究[D];浙江师范大学;2020年
4 黄子良;基于深度学习的图像识别系统算法研究[D];成都信息工程大学;2019年
5 赵薇;基于深度神经网络的图像颜色词汇自动识别方法研究[D];昆明理工大学;2019年
6 吴秦龙;结合协同训练的深度图像分类网络[D];南京邮电大学;2016年
7 郑辉;基于卷积神经网络的红外图像识别研究与实现[D];哈尔滨工程大学;2017年
8 高卿;基于卷积神经网络的人脸识别研究[D];广西民族大学;2020年
9 刘兵;基于深度卷积神经网络的图像检索算法研究[D];武汉科技大学;2017年
10 何育欣;基于卷积神经网络的大熊猫检测与个体识别研究[D];西华师范大学;2020年
11 王亚敏;基于多尺度卷积神经网络的车型识别[D];郑州大学;2017年
12 徐瑾;基于进化优化卷积神经网络的图像识别方法研究[D];重庆邮电大学;2020年
13 刘扬;基于模糊理论的深度学习在人脸识别中的研究[D];中国地质大学(北京);2020年
14 王若辰;基于深度学习的目标检测与分割算法研究[D];北京工业大学;2016年
15 杨宇;基于深度学习特征的图像推荐系统[D];电子科技大学;2015年
16 Allaberdiev Sharofiddin;基于深度学习的服装图像的分类和检索研究[D];武汉纺织大学;2020年
17 吴浠;基于卷积神经网络的推荐算法[D];华南理工大学;2016年
18 陈俊名;基于深度卷积神经网络的人脸表情识别研究[D];重庆邮电大学;2020年
19 蒋璨;一种关于卷积神经网络的加速结构[D];电子科技大学;2020年
20 钱辉;基于深度卷积神经网络的无监督领域适配算法研究[D];河北大学;2020年
中国重要报纸全文数据库 前20条
1 记者 董映璧;[N];科技日报;2020年
2 骆无意;[N];中国航天报;2020年
3 张允硕 姜正义 甄海锋 河南理工大学;[N];科学导报;2019年
4 湖北日报全媒记者 张爱虎 通讯员 徐向军 实习生 于蓝;[N];湖北日报;2019年
5 记者 刘霞;[N];科技日报;2017年
6 整理 本报记者 诸玲珍 顾鸿儒;[N];中国电子报;2018年
7 ;[N];电子报;2018年
8 张敏;[N];北京日报;2017年
9 ;[N];中国企业报;2017年
10 本报记者 龚丹韵;[N];解放日报;2017年
11 ;[N];中国企业报;2017年
12 张斌;[N];文汇报;2017年
13 邓洲 中国社会科学院工业经济研究所;[N];上海证券报;2017年
14 中国科学技术大学终身学习实验室博士 吴茂乾;[N];安徽日报;2017年
15 记者 邱智丽;[N];第一财经日报;2017年
16 卡内基·梅隆大学计算机科学学院机器学习系主任 Tom Mitchell;[N];中国信息化周报;2017年
17 舒年;[N];工人日报;2017年
18 记者 刘霞;[N];科技日报;2017年
19 本报记者 喻思娈;[N];人民日报;2017年
20 中国信息通信研究院标准所副所长 何宝宏;[N];通信产业报;2017年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978


{bck}| {bck体育官网}| {bck体育下载}| {bck体育app}| {bck体育}| {bckbet}| {bcksports}| {bck官网}| {bck}| {bck体育官网}| {bck体育下载}| {bck体育app}| {bck体育}| {bck}| {bck体育官网}| {bck体育下载}| {bck体育app}| {bck体育}| {bckbet}| {bcksports}| {bck官网}| {bck}| {bck体育下载}| {bck体育}| {bckbet}| {bcksports}| {bck官网}| {bck}| {bck体育下载}| {bck体育app}| {bck体育}| {bckbet}| {bck体育下载}| {bck体育app}| {bck体育}| {bckbet}| {bcksports}| {bck体育下载}| {bckbet}| {bcksports}| {bck体育官网}| {bck体育下载}| {bck体育app}| {bck体育}| {bck官网}| {bck体育下载}| {bckbet}| {bcksports}| {bck官网}| {bck体育app}| {bck体育}| {bcksports}| {bck官网}| {bck体育下载}| {bck体育}| {bckbet}| {bcksports}| {bck官网}| {bck体育}| {bcksports}| {bck官网}| {bck体育官网}| {bck体育下载}| {bck体育}| {bckbet}| {bcksports}| {bck}| {bck体育官网}| {bck体育下载}| {bck体育app}| {bck体育}| {bckbet}| {bck官网}| {bck}| {bck体育官网}| {bck体育下载}| {bck体育app}| {bcksports}| {bck官网}| {bck}| {bck体育官网}| {bcksports}| {bck体育下载}| {bck体育app}| {bckbet}|
{uc8}| {uc8体育}| {uc8官网}| {uc8老虎机}| {UC8娱乐城}| {uc8彩票}| {uc8}| {uc体育}| {uc8体育}| {UC体育}| {uc8官网}| {uc8老虎机}| {uc8体育}| {UC体育}| {uc8老虎机}| {uc8老虎机}| {UC8娱乐}| {uc8}| {uc体育}| {uc8体育}| {UC体育}| {uc8老虎机}| {uc8彩票}| {uc8}| {uc8体育}| {UC体育}| {uc8官网}| {UC8娱乐}| {UC8娱乐城}| {uc8}| {uc体育}| {uc8体育}| {UC体育}| {uc8官网}| {uc8老虎机}| {UC8娱乐}| {UC8娱乐城}| {uc8}| {uc体育}| {uc8体育}| {UC体育}| {uc8官网}| {uc8老虎机}| {UC8娱乐}| {UC8娱乐城}| {uc8}| {uc体育}| {uc8体育}| {UC体育}| {uc8官网}| {uc8老虎机}| {UC8娱乐}| {uc8彩票}| {uc8}| {uc体育}| {UC体育}| {UC8娱乐城}| {uc8}| {UC体育}| {uc8官网}| {uc8老虎机}| {uc8}| {uc体育}| {uc8体育}| {UC体育}| {uc8官网}| {uc8老虎机}| {UC8娱乐}| {UC8娱乐城}|