检索结果-内蒙古大学图书馆

作者：石义龙武汉理工大学

学位级别：硕士

推荐系统是解决信息过载问题的有效工具,也是学术界和工业界关注的热点研究领域。在实际应用中,推荐系统面临着数据稀疏性、可扩展性、冷启动、推荐解释等诸多挑战,其中数据稀疏性问题是制约推荐效果的重要因素。本文主要针对推荐系统... 详细信息

推荐系统是解决信息过载问题的有效工具,也是学术界和工业界关注的热点研究领域。在实际应用中,推荐系统面临着数据稀疏性、可扩展性、冷启动、推荐解释等诸多挑战,其中数据稀疏性问题是制约推荐效果的重要因素。本文主要针对推荐系统中的数据稀疏性问题,具体围绕协同过滤推荐中的评分稀疏性问题、社会化推荐中的信任稀疏性问题和上下文感知推荐中的数据稀疏性问题展开深入研究,对几类相关推荐算法进行改进,主要工作及创新点总结如下:1)针对协同过滤推荐中的评分稀疏性问题,本文定义了相似性可信度,并提出了一种基于相似性和相似性可信度的协同过滤推荐算法。该算法首先基于共同评分项数量设计相似性可信度计算方法;然后在概率矩阵分解模型的基础上,通过相似性关系约束潜在特征向量的夹角余弦,并通过相似性可信度影响约束权重。由于相似性可信度的约束,该算法有效减弱了评分稀疏性问题对相似性关系的影响,强化了模型对重要相似性关系的学习能力,从而缓解了评分稀疏性问题。相关实验表明该算法的推荐效果明显优于当前其它协同过滤推荐算法。2)针对社会化推荐中的信任稀疏性问题,本文提出了社交活跃度概念,并设计了一种基于社交活跃度和信任增强的社会化推荐算法。该算法首先基于PageRank算法设计了一种计算社交活跃度的LivenessRank算法,用于分权对待社交关系在推荐过程中对用户的影响,进而缓解信任稀疏性问题,提高推荐效果;其次,该算法在对社交关系建模时,基于SocialMF算法提出了一种简易高效的信任增强模型,该模型通过幂增长关系更精确地模拟信任强度与好友偏好相似度之间的关系,进一步提高推荐效果。相关实验表明该算法的推荐效果明显优于当前其它社会化推荐算法。3)针对上下文感知推荐中的数据稀疏性问题,本文提出了一种面向项目的上下文聚类的上下文感知推荐算法。该算法首先基于K-means算法提出了面向项目的上下文聚类算法,用于挖掘高质量的上下文类簇信息;然后从上下文类簇的角度对上下文信息建模,通过低维上下文类簇因子的方式融合上下文信息。相比复杂多样的上下文信息,低维的上下文类簇因子携带的知识丰富,致使模型参数大规模降低,从而有效缓解了上下文感知推荐中的数据稀疏性问题。相关实验表明该算法的推荐效果明显优于当前其它上下文感知推荐算法。

关键词：数据稀疏性问题矩阵分解社会化推荐上下文感知推荐

来源：评论

学校读者我要写书评

暂无评论

基于社交网络的推荐系统数据稀疏性问题的研究

基于社交网络的推荐系统数据稀疏性问题的研究

引用

作者：高猛内蒙古大学

学位级别：硕士

随着信息技术的高速发展和信息资源的迅速膨胀,人们从海量数据中找到自己真正感兴趣的信息变得越来越困难,这就是著名的“信息过载问题”。推荐系统一直被认为是解决信息过载问题的重要技术,它能够根据用户的历史记录预测用户的偏好,从... 详细信息

随着信息技术的高速发展和信息资源的迅速膨胀,人们从海量数据中找到自己真正感兴趣的信息变得越来越困难,这就是著名的“信息过载问题”。推荐系统一直被认为是解决信息过载问题的重要技术,它能够根据用户的历史记录预测用户的偏好,从海量数据中找出用户感兴趣的信息。推荐系统已经成功应用于电子商务、个性化广告推荐、个性化网络服务等领域。协同过滤推荐算法是现在最为成功的推荐算法,但该算法面临着严重的数据稀疏性问题。现有的方法主要是通过提高评分矩阵的密度或者修正推荐的关键过程来缓解数据稀疏性问题对推荐算法的不利影响,但这两种方法都没有从本质上解决数据稀疏性问题。本文从增加信息类别的角度出发,把社交网络中用户的好友关系、标签信息以及项目的近邻关系加入推荐模型,用于缓解数据稀疏性问题对推荐算法的不利影响。在结合社交网络缓解数据稀疏性问题的过程中,本文首先阐述了用户的评分数据存在的严重的数据稀疏性问题；其次,分析了社交网络中用户的好友关系、标签信息在缓解数据稀疏性问题中的作用；再次,分析了项目的近邻关系对数据稀疏性问题的影响；最后,通过实验验证了社交网络中用户的好友关系、标签信息以及项目的近邻关系可以缓解数据稀疏性问题,提高推荐算法的性能。

关键词：推荐系统协同过滤推荐算法社交网络数据稀疏性问题

来源：评论

学校读者我要写书评

暂无评论

个性化推荐中的数据稀疏性问题研究

引用

网友世界 2014年第7期 142-143页

作者：孙明远成都七中

互联网的出现和发展给用户带来大量信息数据，造成信息超载（Information Overload）现象，解决信息超载的一种有效办法是推荐系统。推荐系统现已广泛应用于多种领域，其中最典型的为电子商务领域。同时，学术界对推荐系统的研究热度也... 详细信息

互联网的出现和发展给用户带来大量信息数据，造成信息超载（Information Overload）现象，解决信息超载的一种有效办法是推荐系统。推荐系统现已广泛应用于多种领域，其中最典型的为电子商务领域。同时，学术界对推荐系统的研究热度也越来越高，逐步形成了一门独立的学科。本文在借鉴和分析前人研究成果的基础上，进一步阐释了个性化推荐技术的发展轨迹、现状及存在的挑战，重点研究个性化推荐中的数据稀疏性问题及相关的解决方法，为个性化推荐的进一步发展提供理论支持。

关键词：个性化推荐数据稀疏性问题协同过滤

来源：评论

学校读者我要写书评

暂无评论

基于多模态异构信息的个性化推荐算法研究

基于多模态异构信息的个性化推荐算法研究

引用

作者：刘帆山东大学

学位级别：博士

互联网技术的迅速发展深刻地影响和改变着人们的生活方式。随着电子商务网站(如淘宝,京东,Amazon等),社交网络平台(如新浪微博,微信等),和流媒体平台(如网易云音乐、腾讯视频、抖音等)的蓬勃发展,互联网服务平台逐渐成为大众的主要消费... 详细信息

互联网技术的迅速发展深刻地影响和改变着人们的生活方式。随着电子商务网站(如淘宝,京东,Amazon等),社交网络平台(如新浪微博,微信等),和流媒体平台(如网易云音乐、腾讯视频、抖音等)的蓬勃发展,互联网服务平台逐渐成为大众的主要消费渠道,推动了互联网经济的快速发展。如何让用户快速准确地从海量物品中找到或发现喜欢的物品,是提高服务质量、增强用户粘度、提升平台收益的核心问题。虽然国内外学者针对个性化推荐算法的研究已经取得一系列优秀成果,但是传统的基于协同过滤的推荐算法的性能仍然受限于推荐场景中广泛存在的数据稀疏性问题。多模态异构信息中包含大量的与用户或项目相关的重要信息,挖掘多模态异构数据中的有价值信息是缓解数据稀疏性问题,提高推荐质量的关键。本学位论文以挖掘多模态异构信息对用户偏好建模为主要研究对象,并结合实际应用进行深入挖掘与分析提取多模态异构信息过程中存在的问题。本学位论文中将实际推荐场景种中存在的多模态异构信息根据表现形式的不同归纳为三个模态,包括交互信息,文本信息和图像信息,并深入探索发掘不同模态信息的思路与方法。基于此,本学位论文重点研究基于多模态异构信息的个性化推荐算法,并将研究成果直接应用于实际推荐场景中以验证其有效性。总体上,本论文主要工作和创新性包括以下三个方面:(1)基于交互信息的推荐算法研究深入研究交互信息中的一阶和高阶信息对用户偏好建模的影响,探讨高阶信息的传输过程中引入干扰信息和引起的过平滑问题,探索发掘高阶信息中的有价值信息,提高高阶信息利用率的方法;提出了一种兴趣感知信息传递策略的图卷积网络推荐模型,该模型根据用户兴趣将用户及其交互项目分组到不同的子图中,并在子图中进行高阶图卷积,使模型可以挖掘更高阶信息,有效地缓解了数据稀疏性问题。(2)融合交互和文本信息的推荐算法研究针对当前推荐系统中利用文本信息进行用户偏好建模方法的局限性深入分析,探索文本信息缺失情况下发掘文本信息的办法,结合交互信息挖掘文本信息对用户偏好的直接影响对用户细粒度偏好建模,优化用户和项目的表示学习,提升个性化推荐质量:为了更有效地缓解数据稀疏性问题,将文本信息归纳为属性信息,提出一种属性感知注意的图卷积网络个性化推荐模型,将项目属性信息无缝地整合到推荐模型中,自然地解决了属性缺失问题,提出了属性感知的注意力机制,提高来自不同相邻节点信息的质量,缓解数据稀疏性问题。(3)融合交互和多模态信息的推荐算法研究针对使用固定向量表示用户偏好的局限性进行深入分析,探索发掘融合交互和多模态信息对用户多样性偏好建模的方法,优化用户和项目的表示,提升模型的推荐效果;引入度量学习对用户细粒度偏好建模;提出一种多模态注意的度量学习个性化推荐模型,引入多模态信息对用户多样性偏好建模,缓解数据稀疏性问题,同时,提出了多模态注意力机制估计用户对不同项目不同方面的偏好。

关键词：用户偏好数据稀疏性问题多模态信息个性化推荐

来源：评论

学校读者我要写书评

暂无评论

契合用户兴趣变化的评论文本深度建模

引用

计算机工程与设计 2019年第5期40卷 1464-1471页

作者：黄文明张健桂林电子科技大学计算机与信息安全学院广西桂林541004 桂林电子科技大学广西可信软件重点实验室广西桂林541004

针对目前推荐系统对评论文本的特征提取能力不足导致的性能局限,以及数据稀疏性问题和用户兴趣漂移问题导致的推荐精度下降问题进行研究,提出一种契合用户兴趣变化的评论文本深度建模方法,基于深度学习改进传统推荐算法。使用词嵌入技术... 详细信息

针对目前推荐系统对评论文本的特征提取能力不足导致的性能局限,以及数据稀疏性问题和用户兴趣漂移问题导致的推荐精度下降问题进行研究,提出一种契合用户兴趣变化的评论文本深度建模方法,基于深度学习改进传统推荐算法。使用词嵌入技术,挖掘并利用数据集评论中的语义得到表达结果;通过使用并行的一组卷积神经网络,充分挖掘用户和项目评论数据中的隐含特征;设计兴趣衰减曲线,针对用户兴趣漂移现象进一步调整用户建模的契合度;设计一层耦合结构,将两组特征作为输入使用因子分解机进行评分预测,得到推荐结果。仿真结果表明,推荐结果的准确度得到了提升,该方法可行有效。

关键词：推荐系统特征提取数据稀疏性问题用户兴趣漂移问题卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

基于异构信息融合的推荐方法研究

基于异构信息融合的推荐方法研究

引用

作者：陈福坤哈尔滨工程大学

学位级别：博士

随着当前互联网技术的快速发展,在线商业购物和影音网站的出现极大地丰富和便利了人们的日常生活,并且突破了地域限制,使得全网范围内的用户可以通过在线网络平台进行购物、观影和欣赏音乐等休闲娱乐活动。随着访问人数的增长,用户对在... 详细信息

随着当前互联网技术的快速发展,在线商业购物和影音网站的出现极大地丰富和便利了人们的日常生活,并且突破了地域限制,使得全网范围内的用户可以通过在线网络平台进行购物、观影和欣赏音乐等休闲娱乐活动。随着访问人数的增长,用户对在线网络平台的需求也随之增多。为了满足不同用户的需求,传统的网络平台也迅速发展为多设备互联、多平台交互、智能化、结构复杂化和数据多样化的新一代网络平台,所包含信息量的规模之大也是前所未有的。通过对用户和平台的数据进行分析,特别是针对当前具有新特性的大规模网络平台数据,根据用户喜好从海量数据中为用户生成个性化的推荐是当下具有挑战性的问题之一。网络平台数据的多源性、异构性和多模态性等特性使得推荐方法面临的数据更加多元化和复杂化。如何从日益增长的多源异构数据中提取有效信息是机器学习领域的重要研究方向,也是当前推荐方法亟需解决的问题。针对这些问题,本文从异构信息融合和推荐模型设计方面展开研究。在异构信息融合层面,本文在交互信息的基础上融合用户和项目相关的文本信息和外部知识信息进行信息增强;在推荐模型设计方面,本文旨在探索深度学习中的前沿理论和技术,包括卷积神经网络、注意力机制、多层感知机、胶囊网络和图神经网络等,以进一步提升异构信息融合推荐方法的精准度。具体而言,本文针对当前基于异构信息融合推荐方法存在的局限性,围绕评分与评论语义信息融合、隐式交互与知识图谱信息融合、异构图中高阶关系信息融合和多源信息融合四个方面展开深入研究,提出相应的解决方案来处理基于异构信息融合的推荐任务。本文的主要研究内容和创新点如下: (1)针对仅依赖评分信息的数据稀疏性问题,引入内源性评论文本,提出一种融合评分与评论文本的推荐方法。首先,为学习评论文本的语义信息,设计了一种基于文档和句子的注意力卷积神经网络模型,通过并行注意力机制学习文档层面和句子层面的评论文本语义。进一步利用多头自注意力机制融合评分特征与评论语义。最后,集成神经网络与隐因子模型提高模型的特征交互性能。实验表明该方法在评分预测推荐任务上明显优于对比方法,所提出的模型通过融合评论信息能缓解数据稀疏性并显著提高评分预测推荐任务的精准度。 (2)针对仅依赖网络平台内部用户-项目交互信息导致推荐方法面临的局限性与数据稀疏性问题,引入外源性知识图谱,提出一种融合知识图谱实体嵌入的推荐方法。该方法融合了外部知识图谱信息,分别对用户层面与项目层面属性进行分析,设计一种基于动态协同注意力与正则化的知识感知推荐模型。设计了基于属性的动态协同注意力机制,通过捕捉项目属性间同质性与用户属性间异质性差异细粒度地学习用户和项目的表示。设计了属性正则化机制,通过特征增强进一步提高用户和项目表示的质量。实验结果表明该方法在基于知识图谱的推荐任务中能显著提高推荐准确性。 (3)针对融合协同知识图谱中高阶关系的表示与建模复杂性问题,提出融合协同知识图谱高阶关系的推荐方法。首先,根据用户-项目交互图和知识图谱构建协同知识图谱,设计一种基于知识增强的层次图胶囊推荐模型,以解决融合协同知识图谱高阶关系的问题。设计了解离化模块增强协同知识图谱中节点表示。针对协同知识图谱中高阶关系建模问题,设计了层次图胶囊神经网络模块学习协同知识图谱中的高阶关系。实验结果表明,所提出的模型在基于知识图谱的推荐任务中能显著提高推荐准确性。 (4)针对如何融合多源异构信息面临的信息复杂性和多样性问题,提出融合多源异构信息的多视图对比推荐方法。为了有效捕捉多源信息间的相关性,设计了文本与知识感知的跨视图对比推荐模型,模型融合了用户-项目交互、文本和知识图谱信息。模型在用户-项目交互图中引入文本信息构建文本感知图,并与用户-项目交互图和协同知识图谱相结合生成多视图框架。设计了多视图生成与表示模块,分别对三种视图下的不同类型信息进行建模。设计了跨视图对比学习模块,通过不同视图之间的相关性进一步优化特征表示。实验结果表明,所提出的模型在融合多源异构信息的推荐任务中能显著提高推荐准确性。

关键词：推荐方法数据稀疏性问题注意力机制异构信息融合图神经网络

来源：评论

学校读者我要写书评

暂无评论

协同过滤推荐瓶颈问题综述

引用

软件 2012年第12期33卷 315-321页

作者：曹一鸣北京邮电大学网络技术研究院北京100876

个性化推荐使得用户从浩瀚信息检索查找中解放出来,成为一种继搜索引擎之后获取信息的重要方式。协同过滤因为其算法简单,能够处理复杂对象,并且推荐效果优异,成为个性化推荐中最成功和应用最广泛的技术。但随着推荐系统规模扩大,协同... 详细信息

个性化推荐使得用户从浩瀚信息检索查找中解放出来,成为一种继搜索引擎之后获取信息的重要方式。协同过滤因为其算法简单,能够处理复杂对象,并且推荐效果优异,成为个性化推荐中最成功和应用最广泛的技术。但随着推荐系统规模扩大,协同过滤受到了数据稀疏性、冷启动和可扩展性等瓶颈问题严重挑战。本文总结了传统协同过滤推荐技术流程,重点研究了解决协同过滤瓶颈问题的方案,分析了它们各自的优缺点,便于后续实现协同过滤推荐系统时方案的选择和使用。

关键词：个性化推荐协同过滤数据稀疏性问题冷启动问题可扩展性问题

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：