检索结果-内蒙古大学图书馆

计算机集成制造系统 2025年第3期31卷 1024-1037页

作者：裴卉宁刘鑫宇李文华王泽斌马玉杰张楚奕河北工业大学建筑与艺术设计学院天津300131 西北工业大学机电学院工业设计与人机工效工信部重点实验室陕西西安710072 天津工业大学控制科学与工程学院天津300387

针对面向冷启动用户的云平台服务决策推荐过程中,未充分考虑服务资源层次属性的交叉特性而导致的专家多元化和差异化的决策行为,进而无法准确为冷启动用户提供合理服务排序的问题,提出基于语言型Z-number和云模型的云平台服务决策推荐... 详细信息

针对面向冷启动用户的云平台服务决策推荐过程中,未充分考虑服务资源层次属性的交叉特性而导致的专家多元化和差异化的决策行为,进而无法准确为冷启动用户提供合理服务排序的问题,提出基于语言型Z-number和云模型的云平台服务决策推荐方法。首先,构建包括平台用户、云平台和服务提供方的多方决策标准属性体系;其次,转换语言型Z-number为经典模糊数,确定决策专家权重与决策标准属性权重;再次,利用Z合成云模型在语言型Z-number环境下得到服务决策推荐列表,为冷启动用户提供决策推荐服务;最后,以“橙色·云工业产品协同研发”平台中“工业制造”、“软件与信息化”、“环保装备”、“智能生活装备”以及“特种装备”五大服务资源的决策推荐排序为例,验证了所提方法的可行性和有效性,为云平台的冷启动用户提供高质量的服务理论基础。

关键词：云平台冷启动用户多属性决策语言型Z-number 云模型

来源：评论

学校读者我要写书评

暂无评论

面向冷启动用户的服务个性化推荐机制的研究与实现

面向冷启动用户的服务个性化推荐机制的研究与实现

引用

作者：卢晨旭东南大学

学位级别：硕士

随着网络中服务的数量和种类不断增多,为了帮用户在大量服务中找到他需要的服务,服务推荐技术应运而生。传统的服务推荐方法大多是根据目标用户的历史使用服务记录,寻找与目标用户行为相似的邻居用户,再推荐邻居使用过的服务,或寻找与... 详细信息

随着网络中服务的数量和种类不断增多,为了帮用户在大量服务中找到他需要的服务,服务推荐技术应运而生。传统的服务推荐方法大多是根据目标用户的历史使用服务记录,寻找与目标用户行为相似的邻居用户,再推荐邻居使用过的服务,或寻找与目标用户使用过的服务相似的服务进行推荐,而对于没有服务使用记录的用户即冷启动用户,这些方法无法进行推荐。所以用户冷启动问题成为了服务推荐中亟待解决的问题之一。现有的解决冷启动问题的算法,一部分需要用户预先填写调查问卷以获取其偏好情况,增加了使用的繁琐程度;另一部分算法根据用户填写的注册信息来寻找邻居用户以预测其偏好,但是这些算法未考虑用户各项注册信息元素对用户偏好的影响程度是不同的,导致推荐准确率的降低。因此,本硕士论文针对现有的解决用户冷启动问题的研究工作中存在的问题,围绕面向冷启动用户的服务个性化推荐机制展开相关研究,主要工作包括以下几个方面:(1)建立基于注册信息的用户相似度模型,使用线性回归算法,计算各注册信息项对用户偏好的影响权重,为进一步利用注册信息寻找与冷启动用户偏好相似的邻居用户提供依据。(2)提出一种面向服务功能的冷启动用户个性化推荐算法。该算法使用基于注册信息的用户相似度模型,获取邻居用户,从而根据邻居用户的功能偏好预测冷启动用户的功能偏好,再将所有服务基于功能特征进行聚类,计算每个功能服务类的功能特征与冷启动用户功能需求偏好的匹配程度,将匹配度最高即最能满足冷启动用户功能需求偏好的功能服务类推荐出来。(3)将满足冷启动用户功能需求偏好的功能服务类中的服务作为推荐候选集,进一步提出了一种面向服务QoS(Quality of Service,服务质量)的冷启动用户个性化推荐算法。该算法同样使用基于注册信息的用户相似度模型,寻找冷启动用户的邻居用户,根据邻居用户的QoS需求偏好预测得到冷启动用户的QoS需求偏好,再根据冷启动用户的上下文信息,预测他使用推荐候选集中的服务时可能体验到的QoS情况,最后根据候选集中服务的QoS满足冷启动用户QoS需求偏好的程度,推荐满足冷启动用户QoS需求偏好的服务。综上所述,本论文深入研究了面向冷启动用户的服务个性化推荐机制,建立了基于注册信息的用户相似度模型,提出了面向服务功能和面向服务QoS的冷启动用户个性化推荐方法,并通过一系列的仿真实验和原型系统的实现,对本论文理论成果的可行性和有效性进行了验证。

关键词：服务推荐冷启动用户用户注册信息服务功能服务QoS 线性回归

来源：评论

学校读者我要写书评

暂无评论

Cerberus:基于深度学习的跨网站社交机器人检测系统

引用

智能科学与技术学报 2024年第4期6卷 480-494页

作者：汤家伟刘育杉高敏宫庆媛王新陈阳复旦大学计算机科学技术学院上海200438 复旦大学智能复杂体系基础理论与关键技术实验室上海200438

社交网站吸引了数十亿用户,影响着人们的生活方式。社交网站作为开放平台,注册加入的门槛较低,社交机器人能够轻易地注册,并进行舆论导向控制、不实信息传播等有害活动,以谋取利益。单一社交网站的机器人检测系统往往需要依赖用户的历... 详细信息

社交网站吸引了数十亿用户,影响着人们的生活方式。社交网站作为开放平台,注册加入的门槛较低,社交机器人能够轻易地注册,并进行舆论导向控制、不实信息传播等有害活动,以谋取利益。单一社交网站的机器人检测系统往往需要依赖用户的历史行为数据进行分析。因此,社交机器人在被识别出之前往往已经成功实施了恶意攻击。为尽早地识别出社交机器人,提出了跨网站社交机器人检测系统Cerberus。Cerberus可以解决用户早期在单个社交网站上数据不充足导致的用户识别“冷启动”的问题。Cerberus使用用户在Medium网站上的个人信息和历史活动信息,对用户链接在Twitter上的账号是否为社交机器人账号进行预测。结果表明,该系统的AUC值可达0.7552,具有良好的识别准确性。

关键词：在线社交网络社交机器人检测跨网站链接深度学习冷启动用户

来源：评论

学校读者我要写书评

暂无评论

基于邻居交互增强和多头注意力机制的跨域推荐模型

引用

湖北民族大学学报（自然科学版） 2023年第4期41卷 454-461页

作者：孙克雷汪盈盈安徽理工大学计算机科学与工程学院安徽淮南232001

针对基于映射的跨域推荐模型未充分关注源域中数据稀疏的用户,导致用户偏好的迁移效率降低的问题,提出了一种基于邻居交互增强和多头注意力机制的跨域推荐模型。首先,利用邻居用户的交互项目来增强源域中数据稀疏用户的交互序列,以捕获... 详细信息

针对基于映射的跨域推荐模型未充分关注源域中数据稀疏的用户,导致用户偏好的迁移效率降低的问题,提出了一种基于邻居交互增强和多头注意力机制的跨域推荐模型。首先,利用邻居用户的交互项目来增强源域中数据稀疏用户的交互序列,以捕获更丰富的用户行为信息。然后,采用多头注意力机制从交互序列中提取用户可迁移的偏好特征,以全面捕捉用户兴趣的多个方面。最后,将提取的用户特征输入元网络生成个性化映射函数,并根据源域迁移的用户嵌入来实现目标域的个性化推荐。在亚马逊和豆瓣数据集上进行实验,结果表明所提出的模型相较于最优的基线模型,平均绝对误差指标最高提升了6.54%,均方根误差指标最高提升了3.73%。有效地提高了目标域的推荐性能,能够在电子商务等领域为用户提供更准确的项目推荐。

关键词：跨域推荐数据稀疏邻居交互注意力机制元网络冷启动用户

来源：评论

学校读者我要写书评

暂无评论

基于项目相似性的冷启动用户推荐算法

基于项目相似性的冷启动用户推荐算法

引用

作者：李肖丽燕山大学

学位级别：硕士

传统的基于项目(item-based)的协同过滤推荐算法主要是根据项目之间的相似性为目标项目选取最近邻以对其进行最终的预测评分。但是，几种现存的常用的相似性计算方法存在一定的缺点。由于冷启动用户所评分的项目很少，所以导致现存的相... 详细信息

传统的基于项目(item-based)的协同过滤推荐算法主要是根据项目之间的相似性为目标项目选取最近邻以对其进行最终的预测评分。但是，几种现存的常用的相似性计算方法存在一定的缺点。由于冷启动用户所评分的项目很少，所以导致现存的相似性计算方法不能准确的计算项目之间的相似性，以至于不能为冷启动用户进行准确的预测评分并影响最终推荐的准确性。针对这一现象，我们提出了一种两阶段项目相似性计算方法与一种改进的预测评分算法，以提高相似性计算的准确性，提高为冷启动用户进行推荐的准确性。本文的主要研究内容如下：首先，针对冷启动问题，由于经典的皮尔森相似性算法不能准确计算项目之间的相似性，本文提出一种两阶段项目相似性计算方法(TISA)。该算法由三部分组成：Similarity1， Similarity2，Similarity3，主要是根据用户对项目的评分值与评分中间值的比较结果,动态选取相似性公式以计算项目之间的相似性。评分中间值指最大评分值与最小评分值的平均值。其次，为了提高预测评分的准确性以更精确的为用户进行推荐，本文提出一种改进的预测评分算法。该算法首先利用已有的评分公式对冷启动用户已经评分的项目进行预预测评分，然后在根据用户编号将每个冷启动用户分为一组并为他们计算预预测评分与实际评分的平均偏差，最后再将平均偏差与现有的评分公式相结合对冷启动用户未评分的项目进行预测评分。最后，通过实验将本文所提出的基于项目相似性的冷启动推荐算法与现存的推荐算法进行了比较，并且对实验结果进行了分析。

关键词：项目相似性冷启动用户准确性协同过滤

来源：评论

学校读者我要写书评

暂无评论

融合辅助信息的跨领域推荐算法的研究与实现

融合辅助信息的跨领域推荐算法的研究与实现

引用

作者：肖楠重庆邮电大学

学位级别：硕士

随着移动互联网的普及,网络上的信息数据不断增加,用户面临着信息过载问题,推荐系统就是在这种背景下产生的。推荐系统从大量动态生成的信息中过滤出重要的信息数据,深入发掘出用户的兴趣偏好。但在实际应用中,推荐系统的性能受制于评... 详细信息

随着移动互联网的普及,网络上的信息数据不断增加,用户面临着信息过载问题,推荐系统就是在这种背景下产生的。推荐系统从大量动态生成的信息中过滤出重要的信息数据,深入发掘出用户的兴趣偏好。但在实际应用中,推荐系统的性能受制于评分数据的稀疏和用户的冷启动等各方面的问题。跨域推荐可以利用用户在其他领域内的交互数据来丰富当前领域的稀疏数据,再加上互联网应用中,用户画像和产品属性信息的丰富及多元化,推荐系统可以融合这些辅助信息并利用跨域推荐来解决上述问题。此外,深度学习技术可以结合多源异构数据,更好地提取用户和项目的特征。因此本文从使用深度学习技术提取融合辅助信息的特征向量,并利用跨域推荐来提高推荐性能等方面展开了研究,最后基于此基础,设计并实现了一个简单的针对电影和图书的推荐系统。本文的主要工作如下: 1.针对单域中的评分数据稀疏性问题,提出了基于双降噪自动编码器的推荐算法(Recommendation Based on Dual Denoising Autoencoder,Re DD)。为了能够更好地将辅助信息和评分矩阵结合,本文扩展了一般的降噪自动编码器,使其拥有两个输入输出层,并在隐藏层学习到融合评分信息和辅助信息的低维特征向量;然后通过两个扩展的降噪自动编码器分别提取用户和项目的特征,并联合矩阵分解模型训练,更新优化模型参数,完成推荐。通过实验证明了该算法的有效性。 2.针对现有跨域推荐算法的不足,本文在Re DD模型的基础上,设计出了一个融合辅助信息的跨域推荐算法(Cross-Domain Recommendation by Fusing Side Information,CDRSI)。本文通过Re DD模型在辅助域和目标域提取融合评分信息和辅助信息的特征向量;并根据不同域之间的评分稀疏比,生成用户基准因子;通过DNN神经网络映射目标域中用户特征,来拟合基准因子,完成跨域推荐。通过实验证明了该模型的有效性。 3.应用上述算法设计并实现了一个简单的图书和电影的推荐系统。系统根据用户和项目的配置信息及用户的历史行为数据,为用户做出图书和电影的推荐。

关键词：跨域推荐数据稀疏性冷启动用户辅助信息深度学习

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的跨域推荐技术研究

基于深度学习的跨域推荐技术研究

引用

作者：史家瑞北京工业大学

学位级别：硕士

随着互联网技术和科技产业的飞速发展,人们越来越多的行为被记录了下来。在当下的互联网环境中,推荐系统的应用在互联网产品中是不可或缺的一部分。通过采集用户的在线行为(如点击、评分、购买)来生成用户的个性化推荐,不仅可以解决信... 详细信息

随着互联网技术和科技产业的飞速发展,人们越来越多的行为被记录了下来。在当下的互联网环境中,推荐系统的应用在互联网产品中是不可或缺的一部分。通过采集用户的在线行为(如点击、评分、购买)来生成用户的个性化推荐,不仅可以解决信息过载问题,而且可以使用户有更好的平台体验。传统的推荐系统中普遍存在着用户数据稀疏和冷启动问题,而跨域推荐则是针对这一问题的重要研究方向。随着互联网产品的普及,用户的跨域信息得以利用,这为跨域推荐的研究带来了机遇。针对不同领域的多源数据,如果能使用高效的模型充分挖掘用户的全局偏好信息,降低噪声值来提高推荐质量,解决单域推荐中的数据稀疏和冷启动问题,进而产生巨大的价值。因此本文将跨域推荐作为研究内容,具体通过深度学习来构建跨域推荐模型。本文的工作如下:1.对推荐系统中的数据稀疏和冷启动问题进行了研究,基于改进的隐语义模型和变分自编码器模型,提出了利用不同领域内的重叠用户存在关系的跨域推荐算法CDVAE,通过矩阵分解的方式提取辅助领域和目标领域的特征表示,并构建辅助领域到目标领域的贝叶斯特征生成模型,并且在生成模型中融入降噪声处理,模型利用深度学习捕捉了更复杂非线性映射,通过调整不同领域之间的知识转移比例获得推荐预测,一定程度上解决了冷启动用户的特征缺失的问题。2.研究初始推荐列表的重排序对推荐准确率的影响,充分考虑数据稀疏和冷启动的用户在不同领域中的信息,并基于MLP模型和注意力机制,提出了基于深度学习的跨域重排序算法CDTR。CDTR构建用户在不同领域的历史项目特征映射,在用户特征和项目特征中引入用户全局的历史行为特征;通过编码推荐列表的位置信息并结合注意力机制来建模用户的深度特征表示,最后生成用户的重排序列表。CDTR在利用用户全局的历史行为特征的基础上,使注意力机制能够多视角的建模用户偏好。3.通过合理的实验设计,与其他的跨域推荐算法进行对比,并在真实数据集上验证提出的CDVAE算法和CDTR算法的准确性,对实验结果进行了大量的分析。4.基于提出的跨域推荐算法设计并实现了跨域推荐系统,针对传统推荐系统的单点故障、不易扩展和高耦合性的问题,采用微服务的设计理念拆分功能到多个服务中,并对其中的各个模块的设计做出了详细的分析和解释。

关键词：跨域推荐冷启动用户深度学习特征映射

来源：评论

学校读者我要写书评

暂无评论

基于主题序列模式的旅游产品推荐引擎

引用

计算机研究与发展 2018年第5期55卷 920-932页

作者：朱桂祥曹杰南京理工大学计算机科学与工程学院南京210094 南京财经大学江苏省电子商务重点实验室南京210003

旅游产品推荐是当前推荐系统研究领域中的新兴议题之一.由于旅游产品描述信息维度多样复杂、"用户-产品"关联矩阵极为稀疏且冷启动问题突出,已经在电子商务领域获得成功的协同过滤推荐往往难以直接被应用于旅游产品推荐.提出... 详细信息

旅游产品推荐是当前推荐系统研究领域中的新兴议题之一.由于旅游产品描述信息维度多样复杂、"用户-产品"关联矩阵极为稀疏且冷启动问题突出,已经在电子商务领域获得成功的协同过滤推荐往往难以直接被应用于旅游产品推荐.提出基于主题序列模式的旅游产品推荐引擎SECT,试图通过在线旅游网站点击日志的挖掘产生推荐.首先,从页面语义描述文本中挖掘主题,以在泛化层面捕捉用户行为模式;其次,从页面访问时间序列数据中挖掘频繁序列模式及其候选产品集,形成序列模式库;最后,提出Markov n-gram模型,完成用户实时点击流与模式库匹配计算.为了提升在线匹配计算的效率,设计一种新的多叉树数据结构PSC-tree用于存储历史模式库,并与在线计算模块无缝衔接.在真实旅游数据集上的实验结果表明:该推荐引擎比传统推荐算法具有更优越的性能,而且能有效提升冷启动用户的推荐率和准确率.此外,针对长尾物品的推荐,SECT也优于基准算法.

关键词：旅游产品推荐频繁序列模式冷启动用户 Web日志数据推荐系统

来源：评论

学校读者我要写书评

暂无评论

基于评论和内容深度融合的跨域推荐问题研究

基于评论和内容深度融合的跨域推荐问题研究

引用

作者：付文静山东大学

学位级别：硕士

随着电子商务的蓬勃发展,消费者在购物时可选择的商品数目以一种不可思议的速度急速增长,为了帮助消费者更好地选择出符合自己偏好的商品,推荐系统应运而生。一个好的推荐系统可以帮助公司更精准地迎合用户偏好,提升用户满意度,从而更... 详细信息

随着电子商务的蓬勃发展,消费者在购物时可选择的商品数目以一种不可思议的速度急速增长,为了帮助消费者更好地选择出符合自己偏好的商品,推荐系统应运而生。一个好的推荐系统可以帮助公司更精准地迎合用户偏好,提升用户满意度,从而更好地留住用户,增加销量。然而,对于单个用户来说,其购买或使用的商品仅仅只占该电子商务网站所有商品的极小一部分,因此该用户在某一商品领域所涉及的信息量极其有限,造成了评分矩阵的稀疏性。最为稀疏的情况即为刚进入领域的新用户,我们无法获取其历史行为,则难以为其进行有效的个性化推荐,这种情况被称作新用户的“冷启动问题”。如果可以通过一定的方式解决冷启动问题,一定会在一定程度上提升推荐的准确性,提升企业的服务水平。由此,“跨域推荐”算法逐渐成为研究热点,为该问题的解决提供了新的研究视角。这类算法的一般思路是将用户对于所购买商品的显式或隐式反馈从信息较为稠密的辅助域迁移到信息相对稀疏的目标域,从而更准确的定义出目标域用户的个性化偏好。遗憾的是,现有的跨域推荐算法虽然在各自应用场景中均取得了较好的推荐效果,但是这些方法大都仅利用用户的评分,受限于评分矩阵固有的稀疏性。尽管用户评论文本、商品内容文本、用户标签等辅助信息已被证明可以在一定程度上有效提升单域推荐的准确性,现有的跨域推荐算法依然仅利用某一类辅助信息,且未能将其与评分信息进行有效的深度融合。基于此,本文研究如何将更多种类的辅助信息与评分信息进行有效的深度融合,使之相辅相成,互相促进,提升跨域推荐准确性。该项研究所面临的挑战如下:第一,哪几类辅助信息适合与评分矩阵进行融合?第二,辅助信息与评分矩阵的融合方式是什么?对此,本文进行了较为深入的研究,提出了一种基于评论和内容深度融合的跨域推荐模型(Review and Content based Deep Fusion Model,RC-DFM),以缓解目标域数据的稀疏性,更好地为冷启动用户进行个性化推荐。RC-DFM主要包括以下四步:第一步,用户评论和商品内容的文本向量化。本文选取了用户评论文本和商品内容文本这两类辅助信息,而在将其应用于模型之前,需要把文本段转化为神经网络可处理的包含语义信息的向量。RC-DFM通过word-embedding + max-pooling的方式将每个用户发出的评论集、每个商品收到的评论集以及辅助域中每个商品的内容信息这三类文本生成对应的定长向量。第二步,用户和商品潜在特征的生成。为提升推荐效果,我们需要更准确地刻画用户和商品的潜在特征。RC-DFM通过联合训练多个扩展后的栈式去噪自编码模型(Stacked Denoising Autoencoders,SDAE)将文本向量与评分矩阵进行了合理有效地深度融合,以此提取出更高效的包含语义信息的用户和商品的潜在特征。第三步,潜在特征的跨域非线性映射。RC-DFM通过多层感知机(Multilayer Perceptron,MLP)建立了辅助域与目标域用户潜在特征之间的非线性映射关系。第四步,跨域推荐。根据多层感知机学得的跨域非线性映射函数以及冷启动用户在辅助域所提取的潜在特征,映射得到其在目标域的潜在特征,以此预测评分,进行跨域推荐。本文的具体工作和贡献概括如下:1.本文设计出一种基于深度学习的在单个商品域中学习用户和商品潜在特征的新方案。将基础的栈式去噪自编码模型进行扩展,通过联合训练的方式,分别在辅助域和目标域中将评分矩阵以及用户评论文本和商品内容信息进行有效的深度融合,使之相辅相成,互相促进。这样学得的用户和商品的潜在特征能够包含丰富的语义信息,而不仅仅包含从评分矩阵中挖掘出的数据信息。2.为了能够在跨域推荐场景下给冷启动用户做出更好的个性化推荐,本文提出了一种基于评论和内容深度融合的跨域推荐模型——RC-DFM。该模型可以用深度学习的方式结合多种数据信息,提升数据密度,并利用跨域非线性映射,为目标域中没有任何历史反馈的冷启动用户进行有效的个性化推荐。3.本文选取亚马逊的公开数据集来验证所提出的RC-DFM模型的有效性。本文在“电影”-“图书”以及“电影”-“音乐”这两对子数据集上分别进行了实验。实验结果显示,RC-DFM模型在RMSE和MAE这两个评估指标上均优于所选取的基线方法。此外,本文进行了更细粒度的实验分析,验证用户评论和商品内容这两种辅助信息的添加对于提升推荐效果的有效性。

关键词：跨域推荐冷启动用户辅助信息深度学习

来源：评论

学校读者我要写书评

暂无评论

基于潜在特征映射的跨域推荐方法研究

基于潜在特征映射的跨域推荐方法研究

引用

作者：王兴华山东大学

学位级别：硕士

随着互联网技术和Web技术的高速发展,电子商务成为一种新的商务活动形式,越来越多的消费者愿意通过网络购买自己需要的商品。相对于传统的线下购物方式,线上购物使消费者拥有更多的选择权。但是另一方面,网络上各类信息更新速度之快,又... 详细信息

随着互联网技术和Web技术的高速发展,电子商务成为一种新的商务活动形式,越来越多的消费者愿意通过网络购买自己需要的商品。相对于传统的线下购物方式,线上购物使消费者拥有更多的选择权。但是另一方面,网络上各类信息更新速度之快,又使消费者很容易迷失在种类繁多的“产品海洋”中。为了帮助消费者找到他们真正需要的商品,提高消费者的购物体验,推荐系统成为电子商务应用中不可或缺的一部分。推荐系统是一种信息处理系统,它通过主动地搜集各类信息,建立用户和产品之间的联系,最终为用户筛选出他们感兴趣的产品,并推荐给用户。在推荐系统中,协同过滤是一种广泛使用的推荐技术。传统的协同过滤模型主要应用于单一领域,比如电影领域、音乐领域,通过处理单一领域中的评分数据,预测该领域中用户对产品的偏好信息。对于协同过滤模型,普遍存在的数据稀疏性问题是一大挑战。另外,当一个用户在领域内无评分时,即为该领域的“冷启动用户”,协同过滤无法为其提供个性化的推荐。近些年,跨领域协同过滤技术被提出,目的是使用更丰富的评分数据,在不同领域之间有效地进行知识迁移,进而提升推荐的效果。即便如此,冷启动用户对于现阶段的跨领域协同过滤模型依然是一个巨大的挑战。本文针对普遍存在的冷启动用户问题,提出了一个有效的跨域推荐模型——跨领域潜在特征映射模型(Cross-Domain Latent Feature Mapping,CDLFM)。首先,某个产品域中的冷启动用户可能在其他产品域中有评分。比如,在京东网站,很多用户并没有在网站上购买过图书产品,却购买过很多电子产品。另外,同一个用户在不同产品域中的偏好是存在关联的。比如,一个喜欢喜剧电影的用户很可能也喜欢文笔风趣的图书。因此,在本文的问题设置中,我们假定冷启动用户在目标域中无评分、在辅助域中有评分,且目标域与辅助域之间有锚用户存在,即在两个域中都有评分的用户。本文的目标是以锚用户为桥梁实现从辅助域到目标域的知识迁移,解决冷启动用户在目标域中的评分预测问题。针对此问题,本文提出了 CDLFM模型。CDLFM模型主要包含两步。第一步是独立处理不同产品域中的评分矩阵,以获得具有领域特点的潜在特征。为了缓解数据稀疏性的影响并为基于近邻的特征映射提供必要的知识,本文提出了一个新的评分矩阵分解模型——整合用户相似度的矩阵分解模型(Matrix Factorization by incorporating User Similarities,MFUS)。MFUS从不同角度分析了用户的评分行为,并将用户之间基于评分行为的相似度整合到评分矩阵分解过程中。第二步,为了将冷启动用户的潜在特征从辅助域映射到目标域,实现有效的知识迁移,CDLFM采用基于近邻的潜在特征映射方法学习跨领域用户潜在特征映射函数。对于目标域中的每一个冷启动用户,先在辅助域中找到与其评分行为相似的锚用户,再根据这些锚用户在辅助域和目标域中的潜在特征对,学习适合此冷启动用户的跨领域潜在特征映射函数。最后,根据学得的特征映射函数以及冷启动用户在辅助域中的潜在特征,计算得到此冷启动用户在目标域中的潜在特征,进而完成冷启动用户在目标域中的评分预测。本文的主要工作概括为以下三点:1.为了缓解单一领域内稀疏评分数据的影响并为基于近邻的特征映射提供必要的知识,本文提出了一个改进的评分矩阵分解模型——MFUS。除了评分矩阵中已知的评分项,MFUS还深入分析了用户的评分行为,提出了三种计算用户之间评分行为相似度的度量。据我们所知,MFUS是第一个根据稀疏的评分矩阵挖掘用户之间评分行为的相似性,并将这种相似度整合到矩阵分解过程中的工作。2.为了实现更准确的跨领域潜在特征映射,本文提出了基于近邻的特征映射方法。目前的特征映射模型几乎都是基于全体锚用户学习一个特征映射函数,供全体冷启动用户使用。这种方式并未体现出用户特征映射的个性,并且在学习的过程中参照全体锚用户,可能引入噪声。而基于近邻的特征映射方法不仅具有良好的可解释性,也能够学习到更准确的特征映射函数。此外,通过采用不同的映射模型(梯度提升树和多层感知器),本文实现了两种CDLFM模型,CDLFM-GBT和 CDLFM-MLP。3.本文从真实的亚马逊评分数据中提取出两个数据集,以这两个数据集为基础进行了大量的对比实验。实验结果显示通过利用辅助域中的评分数据,CDLFM模型能够有效地完成目标域中冷启动用户的评分预测。此外,本文也进行了大量的参数灵敏度分析实验,深入评价了 CDLFM模型以及MFUS模型。

关键词：跨领域协同过滤冷启动用户用户相似度跨领域潜在特征映射

来源：评论

学校读者我要写书评

暂无评论

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：

请选择收藏分类：

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

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：