检索结果-内蒙古大学图书馆

小型微型计算机系统 2020年第1期41卷 56-60页

作者：李卫疆罗潘虎昆明理工大学信息工程与自动化学院

现今的推荐算法大多以提高推荐列表准确率为目标,而对推荐的多样性考虑较少,这样会导致推荐结果新颖性不强,在考虑多样性的时候又会降低准确率.本文提出了一种融合兴趣分布与奇异值分解的多样化推荐算法(KDE-SVD),首先使用核密度估计的... 详细信息

现今的推荐算法大多以提高推荐列表准确率为目标,而对推荐的多样性考虑较少,这样会导致推荐结果新颖性不强,在考虑多样性的时候又会降低准确率.本文提出了一种融合兴趣分布与奇异值分解的多样化推荐算法(KDE-SVD),首先使用核密度估计的方式估计用户兴趣分布,得出用户在兴趣分布上相似的邻居,并使用兴趣分布上相似的邻居的评分对当前用户未评分的物品进行预评分,然后将上一步得到的预评分填入用户-评分矩阵,进行SVD分解,此时获取推荐列表即包含了兴趣相似邻居预评分而来的物品,保证推荐列表的多样性,也有SVD分解而得的行为相似邻居的物品,保证推荐列表的准确率.在实验数据集上实验表明,该本文算法能保证准确率的的情况下充分提高推荐多样性.

关键词：核密度估计用户兴趣分布奇异值分解多样化推荐推荐系统

来源：评论

学校读者我要写书评

暂无评论

基于图卷积神经网络的多样化推荐算法研究

基于图卷积神经网络的多样化推荐算法研究

引用

作者：黄春淦重庆交通大学

学位级别：硕士

推荐系统长期以准确性为唯一评价指标,但现今越来越重视多样化推荐的重要性。这意味着推荐系统除了要提供相关内容,还需考虑内容间的多样性。现有多样化推荐算法主要通过添加多样性约束重排推荐列表以提高多样性。然而,这些算法忽视了... 详细信息

推荐系统长期以准确性为唯一评价指标,但现今越来越重视多样化推荐的重要性。这意味着推荐系统除了要提供相关内容,还需考虑内容间的多样性。现有多样化推荐算法主要通过添加多样性约束重排推荐列表以提高多样性。然而,这些算法忽视了对用户-项目交互历史的深入分析,也缺乏针对用户不同的多样化需求的研究。本文利用图卷积神经网络建模用户-项目交互历史,结合多种辅助信息和增强机制,设计多样化策略以提升多样化推荐性能。主要研究内容包括: 1)针对主流多样化推荐模型中存在的数据稀疏和多样性不足问题,提出一种基于动态多图协同和图卷积的多样化重排序推荐算法。首先,利用用户-项目二部图构建多图,并动态演化以挖掘潜在空间的边信息。其次,采用图卷积对用户和项目的历史交互进行建模,学习用户和项目的隐含特征。最后,在推荐列表中添加两步再平衡策略,分别增强类别多样性和类别内的多样性。在Taobao和Beauty两个公开数据集上的实验结果表明,所提算法在保证推荐精度的同时取得了最佳的多样化结果。 2)针对重排序算法常导致推荐系统牺牲精度以换取多样性的次优状态和单一显式反馈建模问题,提出一种端到端的基于轻量级图卷积和隐式反馈增强的多样化推荐算法,以克服重排序的解耦设计弊端。首先,将图卷积简化为轻量级图卷积以适用于推荐,并将多样性引入图卷积的准确性匹配推荐过程中。然后,在图卷积的采样阶段,引入用户隐式反馈的多样性增强负采样来构建多样化的项目邻域。最后,采用多层特征融合策略捕获节点的完整特征嵌入,以提升推荐性能。在Taobao和Beibei两个公开数据集上的实验结果验证了所提算法有效提升了推荐效率和多样性,并缓解了准确性-多样性困境。 3)针对多样化推荐中用户侧的多样化需求和高阶邻域对多样性的特殊贡献未被充分考虑的问题,提出一种端到端的基于双图卷积和多注意力增强的自适应多样化推荐算法。首先,模型分为兴趣传播通道和决策传播通道,分任务进行卷积操作,兴趣传播通道整合用户多样化需求以实现自适应多样化偏好保留和学习。其次,采用线性残差偏好预测机制以保留用户的局部偏好,并探索深度图卷积对多样化推荐的贡献。最后,引入多注意力机制到双图卷积中,有效区分邻域节点的重要性,以提升模型的学习能力。在Movie Lens 1M和Yelp两个公开数据集上的实验结果表明所提算法有效地提升了用户侧的多样性。

关键词：多样化推荐图卷积隐式反馈注意力机制准确性-多样性困境

来源：评论

学校读者我要写书评

暂无评论

融合弹幕信息的视频多样化推荐方法研究

融合弹幕信息的视频多样化推荐方法研究

引用

作者：冯欣雨河北大学

学位级别：硕士

随着互联网视频平台推荐算法的不断发展,推荐的精准度越来越高,但却忽略了推荐算法的主题多样性和内容新颖性,导致“信息茧房”现象的出现,并且视频创作平台为追求更高的盈利能力,往往更注重推荐视频的数量和流量增长,忽视推荐内容的管... 详细信息

随着互联网视频平台推荐算法的不断发展,推荐的精准度越来越高,但却忽略了推荐算法的主题多样性和内容新颖性,导致“信息茧房”现象的出现,并且视频创作平台为追求更高的盈利能力,往往更注重推荐视频的数量和流量增长,忽视推荐内容的管理,导致用户体验下降和用户流失,若无法妥善解决这些问题,视频平台可能被用作传播虚假信息和操纵舆论的工具,影响网络健康与安全。本文分析总结了关于信息多样化推荐、“信息茧房”现象、情感偏向和信息推荐服务的研究现状,为缓解“信息茧房”和情感偏向的影响,提高平台内容质量以及用户粘性,提出了一种融合弹幕信息的视频多样化推荐方法。本文主要工作有以下几点: 首先,分析视频推荐平台存在的问题,并提出针对性的弹幕视频平台推荐指标。对过去推荐系统中“信息茧房”现象和情感偏向产生的原因进行分析,根据弹幕视频平台特点,将视频弹幕峰-终情感均值作为视频认可度指标以及根据主题多样化算法计算出的视频主题多样性指标作为视频平台推荐视频内容的依据,提高推荐内容多样性,增加优质视频内容的推送优先级。其次,构建融合弹幕信息的视频多样化推荐方法。通过用户偏好视频内容对用户兴趣进行挖掘和分析,发现更深层和具体的用户兴趣,从多角度对用户兴趣进行表示,并应用维克利S-C-R模式对弹幕视频平台的信息传播流程进行优化,通过用户兴趣模型进行混和协同过滤推荐,根据计算得出的主题多样性指标和视频认可度指标改进推荐列表。最后通过对推荐方法的结果进行准确性、多样性以及情感偏向改善效果的检验,结果表明本文所提方法在提升推荐结果的主题多样性、用户接受度以及推荐内容的积极性方面取得了显著的改善效果。这使得更多的积极正向视频内容能够被推荐给用户,并提高了视频平台正能量视频的曝光度,为缓解“信息茧房”现象及其引起的情感偏向问题提供了新的研究视角和方法。

关键词：多样化推荐信息茧房弹幕情感推荐方法

来源：评论

学校读者我要写书评

暂无评论

面向少样本类别和冷启动类别的多样化音乐推荐模型研究

面向少样本类别和冷启动类别的多样化音乐推荐模型研究

引用

作者：杨明慧河北工业大学

学位级别：硕士

随着信息技术的快速发展与人们生活水平的不断提高,用户对音乐服务的需求呈现出多样化的趋势。在这样的背景下,多样化音乐推荐系统应运而生。然而,现有的多样化推荐研究大多在目标函数中引入与多样性相关的指标来提高推荐结果的多样性,... 详细信息

随着信息技术的快速发展与人们生活水平的不断提高,用户对音乐服务的需求呈现出多样化的趋势。在这样的背景下,多样化音乐推荐系统应运而生。然而,现有的多样化推荐研究大多在目标函数中引入与多样性相关的指标来提高推荐结果的多样性,而没有解决限制多样性的根本问题,即数据分布的不均衡性。本文根据用户对不同类别的偏好表现,为各个用户将项目类别划分为多样本类别、少样本类别和冷启动类别。其中少样本类别和冷启动类别由于拥有的数据量过少,导致推荐模型不能充分学习目标用户对其偏好,进而限制推荐结果的多样性。为了解决上述问题,本文分别针对少样本类别和冷启动类别构建多样化音乐推荐模型以满足用户的多样化需求: (1)针对少样本类别,本文提出基于反事实学习的自监督图模型(SSG-CL)。首先,SSG-CL模型基于长尾理论识别各个用户的多样本类别和少样本类别。然后,SSG-CL模型基于反事实学习构造数据分布相对均衡的辅助视图,并采用图卷积网络分别学习用户-项目交互图和辅助视图中用户和项目的嵌入表示。之后,SSG-CL模型将两个视图中学习到的用户嵌入进行对比学习,作为自监督学习中的辅助任务。在与仅注重准确性的原推荐任务联合训练的过程中,该辅助任务有利于SSG-CL模型充分识别用户的多样化偏好,以提高推荐结果的多样性。最后,本文基于公开的音乐数据集MSD开展了对比实验,实验结果证实了SSG-CL模型在面向少样本类别的多样化推荐方面的有效性。 (2)针对冷启动类别,本文提出基于双知识图谱的图推荐模型(DKG)。DKG模型将用户知识图谱与项目知识图谱同时引入到推荐模型中以充分捕捉用户与冷启动类别之间的偏好关系。首先,在上游阶段,DKG模型使用交叉压缩单元实现了用户知识图谱和项目知识图谱与推荐模型之间的信息共享,丰富了用户嵌入和项目嵌入中包含的信息。然后,在下游阶段,DKG模型利用高阶邻域嵌入学习模块挖掘用户或项目对知识图谱中不同关系的重视程度,基于此对用户或项目的不同关系类型的邻居嵌入进行加权聚合得到其高阶邻域表示,这有利于推荐模型深入准确地捕捉用户的潜在偏好。最后,本文基于音乐数据集***进行了对比实验,实验结果证实了DKG模型在面向冷启动类别的多样化推荐方面的有效性。

关键词：多样化推荐少样本类别冷启动类别反事实学习知识图谱

来源：评论

学校读者我要写书评

暂无评论

基于用户行为分析的军事信息主动推荐方法研究

基于用户行为分析的军事信息主动推荐方法研究

引用

作者：陈皖玉国防科技大学

学位级别：博士

随着信息技术的不断发展和完善,信息总量也在不断增长,内容形式更加复杂多样,各类军事信息系统在高速融合发展过程中更是面临信息过载的挑战。目前信息服务能够帮助人们在海量的信息中便捷快速的获取有效信息资源。但是用户输入查询词... 详细信息

随着信息技术的不断发展和完善,信息总量也在不断增长,内容形式更加复杂多样,各类军事信息系统在高速融合发展过程中更是面临信息过载的挑战。目前信息服务能够帮助人们在海量的信息中便捷快速的获取有效信息资源。但是用户输入查询词进行检索的这种被动信息服务方式在一些复杂的场景中不够高效。尤其是面向军事应用,当战场环境复杂多样且瞬息万变时,信息检索的方式就不能高效的支撑用户的信息需求。军事信息主动推荐服务以军事应用为背景,综合考虑席位特征,作战任务特征等,在信息基础设施的共享环境基础上,能够从大规模分布、异构的信息中主动的挖掘并推送符合当前用户需求的高质量信息。考虑用户需求动态变化的特性,如何根据用户的历史行为,建模用户的兴趣偏好模型,预测用户当前信息需求并产生推荐是军事信息主动推荐服务的关键和核心问题。论文以提高信息主动推荐质量为目标,研究了如何挖掘用户历史行为中的信息,感知用户当前信息需求,从而提高信息推荐的有效性,同时探索了信息主动推荐原型系统的构建和应用。具体说,本文的主要研究工作和创新如下:(1)提出了基于用户长短期偏好感知的信息推荐方法现有的推荐方法没有区分用户的序列交互行为中不同行为对于预测用户当前偏好具有不同的重要性,而且忽略了用户的长期交互行为中反映的用户常规偏好信息,只关注了用户的短期偏好,因此得到的推荐结果准确性不高。论文提出了基于用户长短期偏好感知的信息推荐模型。在当前的集合中,考虑不同物品的对表达用户当前意图的重要程度不同,使用注意力机制计算集合内不同物品的重要性,从而生成准确的集合表示。用户的长期偏好表征通过对用户历史交互集合建模得到。我们将当前集合的表示作为用户的短期偏好,同时结合用户长期偏好表示生成用户偏好的最终表示并进行预测。在两个公开数据集上的实验结果表明本文提出的方法较现有方法推荐准确率更高。(2)提出了基于循环神经网络与图神经网络协同注意的信息推荐方法基于循环神经网络的短序列推荐方法只能建模物品之间单向的时序性传递关系,忽略了用户行为序列中复杂的结构化信息;而基于图神经网络的推荐方法虽然捕捉了行为之间的结构信息,却忽略了时序信息,并且在图网络结构中,信息只在两个相邻的节点之间传递,削弱了上下文信息对推荐结果的影响。本文提出了一个基于循环神经网络与图神经网络协同注意的信息推荐模型。该模型分别采用循环神经网络和图神经网络建模用户短期序列行为,接着提出协同注意力机制捕捉时序信息和结构化信息之间的关联关系并将其结合,从而获得更加准确的用户当前意图的表达。我们设计了两种协同注意力策略,即并行协同注意力策略和交替协同注意力策略。我们在两个公开数据集上进行了实验来验证本文所提方法的有效性,并探索了不同协同注意力机制的作用。实验结果表明我们的方法较现有方法推荐准确率更高,且在具有不同长度的行为序列推荐场景中,我们的模型都能取得较好的表现。(3)提出了基于用户意图感知的多样化信息推荐方法现有动态推荐方法只考虑用户单一的兴趣偏好,忽略了用户行为序列中反映用户多种意图的情况,导致生成推荐列表内容过于单一,主题冗余,不具备多样性。本文将基于用户序列行为的推荐重新定义为一个序列-列表生成任务,从而建模推荐物品之间的关系,并提出一个端到端的基于用户意图感知的多样化信息推荐模型。该模型通过同时考虑推荐准确性和多样性来解决信息推荐任务。我们首先设计了一个隐式意图挖掘模块来建模用户可能存在的多个潜在意图,然后使用意图感知多样性解码器来直接生成针对多个用户意图的推荐列表。为了支持隐式意图挖掘模块的学习,并使模型在训练过程中考虑推荐多样性,我们设计了意图感知多样性损失函数,该函数基于所生成的推荐列表来评估推荐的准确性和多样性,从而给予模型反馈信号,帮助模型训练。四个基准数据集上大量实验的结果表明我们提出的模型产生的推荐列表不仅具有较高的准确性,同时包含更多种类的推荐结果来满足用户可能存在的多种信息需求。(4)构建了信息主动推荐原型系统并进行了仿真实验为了将本文提出的方法和军事信息服务相结合,推动军事信息主动推荐服务的发展,我们以军事信息主动推荐服务为背景,结合论文研究的基于用户行为分析的信息推荐方法,构建了信息主动推荐原型系统。该原型系统具有分析用户行为,识别用户需求的能力;能够根据用户行为历史,对用户画像进行构建,并且随着用户行为记录的不断更新,能够对用户画像实现动态调整。结合军事应用背景,信息主动推荐原型系统能够实现针对不同席位人员的信息推荐,根据席位人员的角色,任务和历史行为记录,为不同席位的用户提供个性化的信息推荐,同时根据任务阶段的更新,实现动态推荐功能。我们在大规模数据集上对原型系统的信息推荐性能进行了仿真实验。实验结果验证了信息主动推荐系统面向用户的个性化推荐和面向任务的动态推荐准确度都在60%以上,而且系统从感知用户、任务

关键词：信息主动推荐服务动态推荐个性化推荐多样化推荐用户行为分析

来源：评论

学校读者我要写书评

暂无评论

基于张量分解技术的跨领域长尾产品推荐方法研究

基于张量分解技术的跨领域长尾产品推荐方法研究

引用

作者：余婷天津大学

学位级别：博士

作为解决信息过载问题的有效工具,推荐系统已经成为互联网应用密不可分的伙伴之一。为了解决数据稀疏性和长尾产品的推荐问题,跨领域推荐和多样化推荐的方法研究已成为许多学者们的关注焦点,但仍面临着一些挑战:(1)在无用户和项目交叉... 详细信息

作为解决信息过载问题的有效工具,推荐系统已经成为互联网应用密不可分的伙伴之一。为了解决数据稀疏性和长尾产品的推荐问题,跨领域推荐和多样化推荐的方法研究已成为许多学者们的关注焦点,但仍面临着一些挑战:(1)在无用户和项目交叉的跨领域推荐情景下,如何实现并确保迁移信息的有用性,以及如何处理领域异质性;(2)如何满足不同用户对推荐结果多样性的不同需求;(3)迁移什么知识能促进长尾产品推荐,以及如何迁移。针对这些挑战,本文的研究工作主要包括:(1)为了解决目标领域的数据稀疏性问题,本文在无用户和项目交叉的跨领域推荐情景下,提出了一个改进的张量分解方法和一个混合异质分解方法。前者放松了CP分解模型对于因子矩阵的限制,建立了考虑用户类、项目类和领域之间交互关系的三阶张量,并在领域间共享了挖掘的聚类层潜在因子矩阵。后者在前者的基础上,综合考虑了偏好异质性、领域特有特征和评分偏置等三方面的领域异质性表现。实验验证了本文方法能够提升稀疏目标领域在评分预测、排序和分类等任务上的推荐效果。(2)基于二部图中的资源分配过程,本文提出了一个自适应信任感知推荐方法。从可靠性和确定性两个角度出发,这个方法定义了用户对其信任用户的信任度,并采用分配额外资源的方式,实现了用户偏好与其信任用户偏好的融合。为了满足用户对推荐多样性的不同需求,这个方法进一步量化了用户的多样化需求,并根据该需求构建了一个调控多样化水平的自适应策略。实验结果表明了本文方法不仅提高了冷启动用户和长尾项目的推荐准确性,而且提高了经验丰富用户的推荐多样性。(3)为了从辅助领域中迁移出有助于长尾产品推荐的信息,本文提出了一个基于评分修正的群组交互模式迁移方法。这个方法可被分解为评分修正和跨领域推荐两个模块,其中前者平衡了领域中的信息分布,确保了挖掘信息的多样性,而后者考虑了领域间的三种不同群组交互信息,确保了领域信息的完整性。基于评分修正模块迁移的多样化信息与跨领域推荐模块中以准确性为导向的优化目标之间的协同作用,实现了对不同目标用户推荐准确性和多样性的自动平衡。实验结果展示了本文方法在促进长尾产品推荐上的有用性,以及对于不同经历用户自动调控推荐准确性和多样性水平的能力。在理论上,本文既丰富了多样化推荐方法和跨领域推荐方法的研究,也弥补了跨领域推荐方法在促进长尾产品推荐和提升推荐多样性上的研究不足。此外,本文对于用户隐私保护、用户体验和满意度提升、公开数据集的充分应用和长尾效应的形成等方面也具有重要的现实意义。

关键词：跨领域推荐多样化推荐长尾产品张量分解二部图

来源：评论

学校读者我要写书评

暂无评论

基于评论文本分析的多样性推荐方法研究

基于评论文本分析的多样性推荐方法研究

引用

作者：万超静辽宁工程技术大学

学位级别：硕士

随着互联网技术的快速发展,各行各业的业务信息呈现出指数级般增长,在这些海量数据中快速挖掘出有价值的信息变得尤为困难。由于推荐系统能帮助用户挖掘有效价值,成为了一个重要的研究领域。随着推荐系统技术的发展,多样性推荐成为了研... 详细信息

随着互联网技术的快速发展,各行各业的业务信息呈现出指数级般增长,在这些海量数据中快速挖掘出有价值的信息变得尤为困难。由于推荐系统能帮助用户挖掘有效价值,成为了一个重要的研究领域。随着推荐系统技术的发展,多样性推荐成为了研究的热点。然而,多样性推荐在准确性和多样性之间存在进行权衡的难题,目前为止仍然是一个非常大的挑战。此外,现有推荐系统忽略了用户在多样性偏好上的分布差异,导致多样性推荐性能不佳。多样性推荐旨在为兴趣广泛的用户推荐一个相对多样化的项目列表,对拥有狭隘而集中兴趣的用户则按传统以准确率为衡量标准的推荐算法为其推荐项目,本质上是一种个性化的推荐。为了实现这种体现多样性的个性化推荐,提出一种基于评论文本分析的多样性推荐方法。本文主要从相关性关系和多样性关系这两个角度来实现多样性推荐,通过评论文本建立相关性关系,通过项目属性建立多样性关系。对评论文本构建特征提取模型,提取出用户及项目的个性化表示并建立相关性关系,该特征提取模型不仅能够细粒度地挖掘出用户及项目的特征,而且能够对长尾项目进行有效挖掘。首先利用卷积神经网络(Convolutional Neural Networks,CNN)提取出评论的语义特征,再依次使用单词级别的注意力和评论级别的注意力进一步提取出用户及项目的个性化表示。应用双边分支网络同时学习推荐模型的准确性和多样性,在每个分支内构建相关性关系和多样性关系,并将两者结合形成用户与项目之间的关系,然后为每个分支构建了双向自适应度量学习的主干网络。双分支网络本质上是一个双目标优化问题,最后提出一种自适应双目标权重策略,实现对双目标问题的优化。在亚马逊数据集Music和Beauty上进行训练验证,结果表明在准确性评价指标和多样性评价指标上与基线方法相比,获得0.4%-5%的性能提升,验明了模型能够有效提升准确性和多样性。该论文有图29幅,表14个,参考文献65篇。

关键词：评论文本卷积神经网络度量学习双边分支网络多样化推荐

来源：评论

学校读者我要写书评

暂无评论

基于异质信息网络表示学习的推荐算法研究

基于异质信息网络表示学习的推荐算法研究

引用

作者：马宁大连海事大学

学位级别：硕士

随着网络技术的快速发展和网络信息规模的爆炸式增长,推荐系统可以被看作成一种高质量的信息过滤器,用来将用户和资源相匹配,大部分的网络平台或社交媒体都拥有着特有的个性化推荐系统。最新的推荐系统利用了多种多样的辅助数据,可以缓... 详细信息

随着网络技术的快速发展和网络信息规模的爆炸式增长,推荐系统可以被看作成一种高质量的信息过滤器,用来将用户和资源相匹配,大部分的网络平台或社交媒体都拥有着特有的个性化推荐系统。最新的推荐系统利用了多种多样的辅助数据,可以缓解传统推荐算法存在的数据稀疏和冷启动问题并提高推荐性能,但这类数据常伴有大量不利于推荐的噪声数据。同时,在推荐系统中对这些异质的数据信息和它们之间复杂的关系信息进行建模和利用是非常困难的。在此基础上,大量的推荐研究始终将推荐算法准确性的提升作为主要目标,推荐目标单一。因此,现有的推荐算法面临存在大量噪声数据阻碍推荐、建模用户偏好的精准度不足、推荐目标缺乏多样化等问题。面对这些问题,本文基于异质信息网络(HIN)表示学习推荐算法,首先提出异质社交影响协同去噪注意神经网络(HSCD),致力于提升推荐算法的准确性。同时,本文还提出了一个异质图卷积协同过滤对抗(GCAD)的多样化推荐算法模型,致力于提升推荐算法的多样化。(1)本文的研究一提出了一种异质社交影响协同去噪注意神经网络(HSCD)解决方案。为了充分利用HIN中低阶和高阶结构的语义信息,HSCD模型通过特征聚合函数学习用户和项目嵌入表示,并利用双重注意力机制整合并捕捉了不同类型的社交影响力。同时,研究一采用了自适应去噪训练策略,在训练过程中自适应地识别和修剪噪声干扰,以提高推荐的效率。在真实数据集上的实验表明,研究一提出的HSCD模型的性能较之其他方法具有显著优势。(2)本文的研究二对比分析了现有的和最新的多样化算法。针对存在的问题,提出了一个异质图卷积协同过滤对抗(GCAD)的多样化推荐算法模型。在本研究的工作中,主要目标是基于推荐模型准确性相对稳定的情况下,有效提升推荐项目的类别多样化。首先,使用图卷积模块对HIN中的边分解,采用异质图卷积协同过滤方法,对用户偏好的潜在影响成分进行建模、分解、组合等过程,更深层次地挖掘用户偏好,有效保证了模型的准确性及可解释性。其次,GCAD模型采用了类别增强的负采样策略和对抗学习模块,可以提高那些相关但为消极项目的采样概率并学习嵌入空间中的隐式类别偏好,以提供更多样化的推荐结果。最后,通过利用三个真实数据集进行多组实验,证明了本研究提出的GCAD模型的有效性。

关键词：异质信息网络网络表示学习推荐算法深度学习多样化推荐

来源：评论

学校读者我要写书评

暂无评论

基于内容特征和时序行为的新闻推荐系统的设计与实现

基于内容特征和时序行为的新闻推荐系统的设计与实现

引用

作者：张帅帅北京邮电大学

学位级别：硕士

随着互联网的快速发展,新闻的数量呈现爆炸式增长,大量的资讯让用户应接不暇,造成了严重的信息过载问题。个性化新闻推荐通过根据用户的历史行为挖掘用户兴趣,推荐与用户相关的新闻,在一定程度上缓解了信息过载问题。然而,目前新闻推仍... 详细信息

随着互联网的快速发展,新闻的数量呈现爆炸式增长,大量的资讯让用户应接不暇,造成了严重的信息过载问题。个性化新闻推荐通过根据用户的历史行为挖掘用户兴趣,推荐与用户相关的新闻,在一定程度上缓解了信息过载问题。然而,目前新闻推仍然面临着冷启动问题、用户兴趣变化问题、时效性问题、用户实时反馈问题和多样性问题。针对这些问题,本文研究基于内容特征和时序行为的新闻推荐系统,主要内容包括:(1)提出了基于内容和时效性的个性化新闻推荐模型。通过注意力机制捕捉新闻的标题、摘要、分类、新闻年龄等多种特征,缓解新闻冷启动问题。使用多头自注意力和位置编码,利用用户点击过的新闻和曝光未点击的新闻来表示用户的偏好,相比RNN处理序列具有更好的并行性,而且能够更好地处理长序列,捕捉用户兴趣变化,由于直接利用曝光未点击的新闻表示用户偏好,还能够实时反映用户的负反馈。利用新闻的年龄,实现了新闻发布时间、用户点击时间的对齐,有效地解决了新闻推荐的时效性问题。(2)为了缓解用户冷启动问题,提出新闻流行度预测算法,使用新闻的点击率、新闻内容和新闻的年龄来预测新闻流行度,考虑了新闻流行度在生命周期内的变化,基于新闻流行度为新用户推荐热门新闻。考虑新闻流行度对用户点击行为的影响以及不同用户对流行新闻的倾向,在用户建模中使用注意力机制并结合新闻的流行度来学习每条新闻的权重,将流行度融入到个性化推荐,能随着用户浏览记录增多自适应地平衡个性化内容和热门内容,满足不同用户的推荐需求。(3)提出了上下文感知的多样化新闻推荐模型。将多样化任务建模为排序评分预测任务,对于前面新闻推荐模型得到的候选新闻列表,使用多头自注意力机制对候选新闻上下文进行建模,捕捉每条新闻与候选列表中其他新闻的关系,同时通过将候选新闻特征与用户特征进行交叉进一步捕捉新闻的相关性,采用list-pairwise样本进行训练,学习多样性和相关性感知的排序评分,按照评分从高到低排序得到兼顾推荐准确性和多样性的最终推荐列表。相比于基于顺序选择的启发式算法和基于学习算法,具有更好的计算性能,而且能更好地捕捉候选列表的上下文,有效平衡推荐的多样性和准确性。(4)基于前面的推荐模型和算法,设计并实现了一个新闻推荐系统,满足不同用户的多种需求,基于内容和时效性的个性化推荐模型提供准确的个性化新闻推荐服务,基于流行度和用户偏好的新闻推荐模型一方面通过流行度预测算法提供热门新闻列表,另一方面结合流行度提高浏览记录较少的用户的推荐效果,上下文感知的多样化新闻推荐对初始推荐列表进行重排、得到兼具多样性和准确性的最终推荐列表。

关键词：新闻推荐注意力机制冷启动多样化推荐

来源：评论

学校读者我要写书评

暂无评论

面向推荐多样性的缓存策略研究

面向推荐多样性的缓存策略研究

引用

作者：张虎信北京交通大学

学位级别：硕士

缓存算法是影响视频缓存服务器性能的重要因素。由于边缘节点计算能力的发展以及用户信息越来越丰富,基于推荐的缓存算法成为新的研究思路。相较于普通的缓存工作方式,基于推荐的缓存算法能够在缓存未直接命中时从缓存服务器已缓存内容... 详细信息

缓存算法是影响视频缓存服务器性能的重要因素。由于边缘节点计算能力的发展以及用户信息越来越丰富,基于推荐的缓存算法成为新的研究思路。相较于普通的缓存工作方式,基于推荐的缓存算法能够在缓存未直接命中时从缓存服务器已缓存内容中向用户进行推荐,用户以一定的概率从推荐结果中选择一个内容进行观看,使得服务器获得额外的命中机会。推荐结果的合适与否影响了用户从推荐结果中选择内容进行观看的概率,进而影响了缓存系统的命中收益。现有基于推荐的缓存算法在进行推荐时,往往只考虑了用户请求与推荐结果之间的相关性。相较于视频源服务器,缓存服务器中只存储了很少的内容用来进行推荐,因此难以取得相关性足够高的推荐结果,导致用户体验较差;此外,基于相关性的推荐方式也会导致推荐结果冗余程度较高,影响用户体验。为了改善从缓存中推荐时的用户体验,本文提出了面向多样性的推荐缓存算法,在推荐过程中不仅考虑推荐结果的相关性,同时还考虑了推荐结果的多样性,以提供给用户类型丰富的推荐结果,从而改善用户因为推荐结果相关性较低、内容重复带来的推荐体验损失,进而获得更高的缓存收益。相较于现有方法,本文提出了面向多样化推荐的缓存优化问题,并将基于缓存命中率和推荐结果多样性的推荐体验得分作为优化目标。通过最大化用户体验得分进行缓存内容的生成,以优化用户体验。具体来说,本文的主要工作内容如下:(1)提出了基于视频类型的多样化缓存推荐方法,以改善从缓存中进行推荐时的用户体验。在缓存服务器中缓存内容预先确定的情况下,本文刻画了针对用户请求从缓存服务器已缓存内容中进行多样化推荐的模型,以优化用户的推荐体验。为了求解该模型,本文提出的算法同时考虑了内容相关性、类型多样性以及用户偏好三个因素作为影响推荐结果的指标,通过函数映射的方式对各个因素的重要性进行调整,以实现不同的缓存目标。仿真试验结果显示,本算法以一定的缓存命中率下降为代价,极大地提高了推荐结果的多样性,改善了用户体验。(2)提出了基于多样化推荐的缓存生成策略。本文提出了相关性推荐与多样化推荐混合执行的推荐方式,在此基础上提出了缓存生成模型,以满足在不同用户请求数量的情况下最大化整体的用户体验。为了求解该模型,本文提出的算法根据用户请求的数量对缓存服务器运算能力进行分配,让服务器能够以不同的推荐方式处理用户请求。仿真实验结果显示,本文提出的算法能够极大地提高用户体验得分,即使是在对比方法上应用混合推荐策略,也能大幅度提高用户体验得分,改善用户体验。

关键词：缓存推荐缓存多样化推荐

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：