检索结果-内蒙古大学图书馆

您好，读者！请登录

内蒙古大学图书馆

首页
概况
党建
资源
服务
科研支持
- 论文收录引用证明
- 科技查新
知识产权
档案馆
帮助

咨询与建议

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

您的常用邮箱：*

您的手机号码：*

问题描述：

当前已输入0个字，您还可以输入200个字

全部搜索
期刊论文
图书
学位论文
标准
纸本馆藏
外文资源发现
数据库导航
超星发现

高级检索

时间限定

出版年份：

文献类型

图书期刊文献学位论文多媒体

馆藏选择

电子馆藏纸本馆藏

核心期刊

全部期刊 SCI 收录期刊 SSCI 收录期刊 EI 收录期刊 CSCD 收录期刊 CSSCI 收录期刊

语言

中文英文

文献类型

期刊文献图书学位论文标准纸本馆藏

帮助

文字说明：

T=题名（书名、题名），A=作者（责任者），K=主题词，P=出版物名称，PU=出版社名称，O=机构（作者单位、学位授予单位、专利申请人），L=中图分类号，C=学科分类号，U=全部字段，Y=年（出版发行年、学位年度、标准发布年）

检索规则说明：

AND代表“并且”；OR代表“或者”；NOT代表“不包含”；(注意必须大写,运算符两边需空一格)

检索范例：

范例一：(K=图书馆学 OR K=情报学) AND A=范并思 AND Y=1982-2016
范例二：P=计算机应用与软件 AND (U=C++ OR U=Basic) NOT K=Visual AND Y=2011-2016

分类表

所选分类

>> <<

限定检索结果

文献类型

4 篇 学位论文

馆藏范围

4 篇 电子文献
0 种 纸本馆藏

日期分布

学科分类号

4 篇 工学
- 4 篇 计算机科学与技术...
- 4 篇 软件工程
- 1 篇 控制科学与工程
1 篇 管理学
- 1 篇 管理科学与工程(可...

主题

4 篇 会话序列推荐
3 篇 注意力机制
3 篇 图神经网络
2 篇 推荐系统
1 篇 无序信息
1 篇 位置编码
1 篇 序列模式分析
1 篇 顺序行为
1 篇 循环神经网络
1 篇 高阶信息

机构

1 篇 北京交通大学
1 篇 河北工程大学
1 篇 重庆大学
1 篇 华南理工大学

作者

1 篇 郑小丽
1 篇 刘礼辉
1 篇 王楚然
1 篇 马钰喆

语言

4 篇 中文

检索条件"主题词=会话序列推荐"

共 4 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于注意力的全局会话序列推荐

基于注意力的全局会话序列推荐

引用

作者：刘礼辉重庆大学

学位级别：硕士

如今推荐系统在大数据时代中已然成为了普通用户与企业最重要的工具之一,被广泛应用在各个领域中,并且随着整体环境的变化,也逐渐面临新的挑战:在数据规模庞大的背景下,推荐系统需要保持较高的准确度以及降低推荐响应时间;在用户信息难... 详细信息

如今推荐系统在大数据时代中已然成为了普通用户与企业最重要的工具之一,被广泛应用在各个领域中,并且随着整体环境的变化,也逐渐面临新的挑战:在数据规模庞大的背景下,推荐系统需要保持较高的准确度以及降低推荐响应时间;在用户信息难以收集的今日,如何充分利用每一条信息来进行推荐。因此各式各样的推荐问题被提出,其中基于会话序列的推荐问题成为推荐系统领域的研究热点。基于会话序列的推荐任务是基于匿名会话来预测用户的下一步操作。该领域现有的模型都是基于当前会话序列内的信息来完成用户行为预测,仅依靠会话内的项目对难以建立完整的依赖关系,当会话内存在噪声时容易导致学习得到的向量表示能力下降。因此本文提出了基于图神经网络捕捉高阶信息的推荐算法来提升项目嵌入向量学习的准确度,利用全局图捕捉项目的高阶邻居,聚合信息过程中通过设置多个约束条件来限制信息的传递,既增加会话所能捕捉到的依赖关系,也降低了噪声数据所带来的影响。本文还提出了基于改进自注意力与基于全局注意力的兴趣捕捉算法,两个算法都引入了位置编码来增加会话中位置信息对生成会话向量的影响,也都使用不同的注意力机制通过多个维度进行兴趣捕捉来降低噪声数据的影响。为了验证本文所提出算法的有效性,本文在真实数据集Yoochoose、Tmall与Diginetica上的设置了多组实验,实验结果不仅表明本文针对现存问题所提出来的创新点有一定的效果,也表明了所提出的算法在推荐性能评价指标Recall@20与MRR@20上的表现要优于当前具有代表性的会话序列推荐算法。

关键词：会话序列推荐图神经网络高阶信息注意力机制位置编码

来源：评论

学校读者我要写书评

暂无评论

基于有序-无序特征网络的会话序列推荐

基于有序-无序特征网络的会话序列推荐

引用

作者：王楚然华南理工大学

学位级别：硕士

推荐系统在现代商业平台中发挥了重要作用,目前已经被广泛应用在各个领域中。其中,会话序列推荐是推荐系统领域的热门问题之一。随着深度学习技术的发展以及会话序列推荐相关的大规模数据集的出现,深度神经网络开始被应用于解决会话序... 详细信息

推荐系统在现代商业平台中发挥了重要作用,目前已经被广泛应用在各个领域中。其中,会话序列推荐是推荐系统领域的热门问题之一。随着深度学习技术的发展以及会话序列推荐相关的大规模数据集的出现,深度神经网络开始被应用于解决会话序列推荐问题,并取得了较好的成效。在本文中,我们提出的模型可以进一步提升会话序列推荐的现有方法的效果。会话序列推荐的任务是基于匿名的会话数据,预测用户的下一步操作。尽管会话中的项目是按时间先后排序的,但由于存在用户随机决策,会话的项目之间不一定存在顺序依赖关系。但在现有的工作中,这种无序信息都被忽略了,会话被当作纯粹的有序序列进行处理。实际上,无序信息是会话的重要属性,在会话序列推荐任务中发挥了极大作用。但目前的会话序列推荐方法中,没有显式地考虑融合会话的有序和无序信息的工作。本文引入了一个无序网络,将每个会话序列视为项目的无序集合,显式地把会话的无序信息利用到推荐任务中。理想的会话序列推荐方法应该同时具备学习会话的有序信息和无序信息的能力。为此,我们提出了一种新颖的神经网络模型,该模型由一个顺序无关的模块与基于循环神经网络的有序网络集成在一起。本文提出的模型名为“有序-无序特征网络”,通过端到端的方式组合会话序列中的有序特征和无序特征来学习会话的全局特征表示。实验表明,与多个基准方法和目前最前沿的算法相比,本文提出的模型在多个真实的会话序列数据集上的结果达到了领先的水平。

关键词：会话序列推荐无序信息顺序行为

来源：评论

学校读者我要写书评

暂无评论

基于会话序列的推荐技术研究

基于会话序列的推荐技术研究

引用

作者：马钰喆北京交通大学

学位级别：硕士

近年来,随着大数据和其他信息技术的迅猛发展,互联网资源呈现指数级增长,信息过载问题日益突出。如何让用户在如此海量的信息中准确获取满足个人需求的内容,已成为互联网行业的重要挑战。传统推荐算法主要基于用户的历史行为和人物画像... 详细信息

近年来,随着大数据和其他信息技术的迅猛发展,互联网资源呈现指数级增长,信息过载问题日益突出。如何让用户在如此海量的信息中准确获取满足个人需求的内容,已成为互联网行业的重要挑战。传统推荐算法主要基于用户的历史行为和人物画像进行推荐,但在现实推荐场景中,系统可能无法获取完整的用户个人信息和长期历史行为数据。因此,会话序列推荐成为当前解决这一问题的重要方法之一。会话序列推荐是一种基于匿名用户历史会话记录的推荐算法,其通过用户在一定时间范围内所产生的时序信息来对用户的下一次选择进行预测。虽然目前有关会话序列的推荐技术研究取得了一定成果,但仍存在一些问题,例如对用户长短期兴趣的捕捉不够灵敏,以及对会话中物品关系建模不足等。本文以基于会话序列的推荐技术为研究对象,针对上述问题对会话推荐模型进行了研究,并取得了如下研究成果: (1)针对用户长短期兴趣捕捉不够灵敏等问题,提出了一种基于注意机制的双重特征表征GRU会话推荐模型。该模型将注意力机制引入到传统门控制循环单元(Gate Recurrent Unit,GRU)模型中,同时整合用户当前兴趣偏好和历史行为两种特征以更好地捕捉用户长短期兴趣的变化。通过在两个公开数据集Diginetica和Yoochoose上的实验,表明了该模型相较于现有其他方法具有更好的实验性能。 (2)针对会话中物品关系建模不足等问题,提出了一种融合最短路径和多头自注意力机制的图神经网络会话推荐模型。该模型融合了会话内物品最短路径信息,以更好的表示会话中物品间的距离关系,并采用多头自注意力编码代替传统图神经网络的卷积层对会话进行表示,同时提出了一种新的特征汇聚方法,以更好地学习会话中包含的用户兴趣信息。通过在两个公开数据集Diginetica和Tmall上的实验,表明了该模型相较于现有其他方法具有更好的实验性能。 (3)设计了一套基于会话推荐的演示系统,并采用上述两个模型作为底层推荐算法对推荐系统进行演示。该系统具有商品浏览和商品推荐功能,同时还实现了用户行为日志的采集和处理,通过定时调度对模型数据进行更新训练,并将这些数据存放于不同的存储介质中以满足不同场景的需要。通过本演示系统,展示了会话推荐系统的工作原理以及上述两个模型的推荐效果。

关键词：会话序列推荐注意力机制循环神经网络图神经网络推荐系统

来源：评论

学校读者我要写书评

暂无评论

基于图神经网络和序列模式分析的序列推荐系统研究与设计

基于图神经网络和序列模式分析的序列推荐系统研究与设计

引用

作者：郑小丽河北工程大学

学位级别：硕士

在互联网信息呈爆炸式增长的时代,推荐系统已经成功进化为信息服务的基础性工具之一,它能够帮助用户做出合理的选择和决策。传统的推荐算法需要借助用户个人简介以及历史评分等额外语义信息来构建推荐任务以预测用户真正感兴趣的物品,... 详细信息

在互联网信息呈爆炸式增长的时代,推荐系统已经成功进化为信息服务的基础性工具之一,它能够帮助用户做出合理的选择和决策。传统的推荐算法需要借助用户个人简介以及历史评分等额外语义信息来构建推荐任务以预测用户真正感兴趣的物品,然而在实际应用中,由于隐私策略或用户匿名访问的限制,这些配置文件大多都无法直接获得,唯一可用的有效信息是当前会话中的点击行为记录。因此,基于会话的序列推荐方法诞生并受到了学术界和工业界的广泛关注。但目前现有的会话序列推荐算法往往忽略了反馈数据中由于用户行为不确定性引起的噪声影响,存在无法准确和有效地捕捉会话序列中物品复杂依赖关系的问题。综上所述,本文的主要研究内容如下:(1)针对会话序列推荐中物品复杂依赖和噪声干扰问题,提出一种面向会话的需求感知注意图神经网络推荐模型(DAAGNNSR)。首先将具有时序性的会话数据构建为图,通过引入图神经网络学习图上节点嵌入表示;其次将提取的项目特征使用需求感知聚合器线性聚合为用户潜在需求矩阵,以自动削弱噪声干扰,同时用低秩多头注意力网络将该矩阵与全部项目特征进行逐项兴趣交互生成需求增强的项目表征;再次联合独立位置编码进一步分析项目间顺序关联,并且将生成的独立位置嵌入与项目表征进行线性融合;最后,经预测层生成排名推荐列表。(2)针对现有会话序列推荐方法难以从嘈杂会话中准确提取用户偏好的问题,提出一种结合对比学习的图神经网络会话推荐模型(CLSR-GNN)。具体来说,该模型首先将全部会话数据构建为图,通过图神经网络聚合图上物品信息获取节点局部嵌入表示;其次,利用含有噪声滤除器的注意力机制显示过滤掉不重要的节点表征,引入对比学习技术设置优化策略指导模型去噪学习,获取全局嵌入表示;最后,采用门控机制为局部和全局表征自适应分配权重,并对其进行加权求和生成有效的会话表示,实现物品排名推荐。(3)基于上述研究工作,搭建了相应的商品序列推荐系统。该系统使用电商领域的真实平台数据集建模并进行相应功能设计和模型微调测试,并且联合面向会话的需求感知注意图神经网络推荐算法和结合对比学习的图神经网络会话推荐算法为使用者提供相应推荐服务,最后训练成可商用的真实世界推荐模型,从而验证DAAGNNSR模型和CLSR-GNN模型在实际推荐平台里的推荐效果。

关键词：推荐系统会话序列推荐图神经网络注意力机制序列模式分析

来源：评论

学校读者我要写书评

暂无评论

没有更多数据了...

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

检索报告对象比较合并检索0

隐藏清空

合并搜索

回到顶部

执行限定条件

内容：

评分：

请选择保存的检索档案：

请选择收藏分类：

订阅名称：

通借通还

温馨提示：

图书名称：

借书校区：

取书校区：

手机号码：

邮箱地址：

一卡通帐号：

电话和邮箱必须正确填写，我们会与您联系确认。

联系人：

所在院系：

联系邮箱：

联系电话：

内蒙古自治区呼和浩特市赛罕区大学西街235号邮编: 010021

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：