检索结果-内蒙古大学图书馆

作者：李继鹏齐鲁工业大学

学位级别：硕士

随着5G技术的发展及互联网的飞速普及，广大互联网用户的信息需求得到了极大满足。随之而来的问题是数据过载使得大量的数据无法得到有效地利用，个性化推荐在数据利用方面具有良好效果，成为学者研究的关键领域。点击率（CTR）预估在... 详细信息

随着5G技术的发展及互联网的飞速普及，广大互联网用户的信息需求得到了极大满足。随之而来的问题是数据过载使得大量的数据无法得到有效地利用，个性化推荐在数据利用方面具有良好效果，成为学者研究的关键领域。点击率（CTR）预估在推荐系统中起着较为重要的作用，它主要用来预估用户点击目标内容的概率。预估的点击率能展示出特定上下文情境下用户对项目的喜好。点击率预估在短视频推荐、商品推荐及在线广告等方面有着关键的作用。近年来，深度学习点击率预估模型依靠对大数据的并行处理，从而对数据进行有效利用，深挖数据的高阶特征，提升了点击率预估准确度。深度学习点击率预估模型正在成为点击率预估领域中的热门研究方向。　　当前深度学习点击率预估模型一般使用深度网络进行特征的交叉，对于低阶特征利用率低。此外，当前多数点击率预估模型，更为侧重在特征交互方面进行创新性研究而忽视了特征本身的作用。在用户历史序列利用方面，过往模型对序列信息挖掘不全面，导致预测结果的准确度不高。当前点击率预估模型存在缺陷和不足，尤其是在特征交叉以及对用户历史行为序列特征的利用部分，仍然可以进行优化和提高。为此，本文做了以下工作：　　(1)在特征交叉及序列利用方面，通过将用户兴趣挖掘网络及特征交互结构进行结合，设计了基于用户兴趣挖掘网络的点击率预估模型。该模型创新性地设计了用户兴趣挖掘网络，用来深度挖掘用户兴趣，同时可以更好地表示用户长短期兴趣变化。模型通过引入多头自注意力机制以及残差结构进行特征间的交叉，保留低阶特征的同时，有效地进行高阶特征交互，提高了点击率预估的准确性。　　(2)在关联关系方面，通过创新地将用户兴趣挖掘网络及用户-物品关联网络进行组合，设计了基于行为兴趣和关联网络的点击率预估模型。用户兴趣挖掘网络通过更新用户兴趣向量来更好地描述用户，而所设计的关联网络用来表示用户与目标物品的直接关联关系，结合长短期记忆网络与深度网络，搭建预估模型。　　(3)本文选取亚马逊商品数据集和阿里巴巴数据集设计相关实验，通过记录Logloss和AUC的变化，验证了模型的有效性。通过消融实验，记录了各结构相对提升的效果，证明了用户兴趣挖掘网络和用户-物品关联网络对点击率预估的积极意义。与之前较为先进的基准模型进行预测结果的比较，AUC值提升了0.5%-1.3%，证明了所提出的模型在点击率预估方面的优越性。

关键词：深度学习点击率预估特征交互用户序列注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于用户特征的电影个性化推荐方法研究

基于用户特征的电影个性化推荐方法研究

引用

作者：蔡迎香中国地质大学(北京)

学位级别：硕士

互联网技术的快速发展,提高了人们对信息的获取速度和便利性,同时带来了许多问题,用户面对大量信息无从下手,疲于筛选。随着技术的发展,推荐系统已成为解决信息过载问题的重要工具,能够有效地过滤和筛选海量信息,从而缓解信息过载的状... 详细信息

互联网技术的快速发展,提高了人们对信息的获取速度和便利性,同时带来了许多问题,用户面对大量信息无从下手,疲于筛选。随着技术的发展,推荐系统已成为解决信息过载问题的重要工具,能够有效地过滤和筛选海量信息,从而缓解信息过载的状况。传统推荐系统随着时间的推移,技术手段的更新,在实际应用场景中逐渐出现一些不足。通过应用多种算法模型,对海量高维、稀疏的用户历史行为数据进行分析,发现其内在的兴趣点及其真正的需求,已成为目前推荐系统领域的一个关键性挑战。本文通过研究传统点击率预估模型和深度学习模型,从传统推荐系统模型泛化性能的提升和深度学习模型用户序列建模的角度出发,对现有的模型结构进行改进,提高模型性能。主要的研究贡献及创新如下: (1)本文受到了集成学习的启发,在详细分析传统树模型优势和不足的基础上,提出了基于集成学习算法的融合树模型。BS-Light GBM模型通过随机行采样来改善传统树模型的泛化性能,并且通过特征采样来加强学习器的交叉组合,从而提高模型的准确度和可靠性。另外,为了提高传统树模型在点击率预估任务上的准确率,BS-Light GBM模型通过堆栈方法结合多个基模型的预测结果来构建元学习器,更好地进行模型的融合。本文在Movie Lens 1M数据集上进行特征工程后,将BS-Light GBM模型在其数据集上验证。通过在Logloss、AUC(Area Under Curve)两项指标与基模型对比分析,证明了本文所提BS-Light GBM模型性能的优越性。 (2)推荐系统与深度学习的结合,使得推荐系统的效果得到进一步的提升。选择深度兴趣网络DIN(Deep Interest Network for Click-Through Rate Prediction)模型作为研究创新的基础模型,分析DIN模型的优势及缺陷,提出了GDMIN(Gate Deep Multilayer Perceptron Interest Network for Click-Through Rate Prediction)模型,通过引入与局部激活单元并行的MLP(Multilayer Perceptron)模块,更充分地交叉了候选物品、用户特征和上下文信息,从而构造高阶特征进一步提升模型性能。为了进一步挖掘用户行为与候选物品的相似度,本文在激活单元内部加入了两个嵌入向量的余弦相似度信息,对整合后的向量进行局部加权,增加了全局信息。最后,本文受到推荐系统中目前优秀工作的启发,设置了门控单元以更好的融合MLP交叉输出和主模型输出,进而产生更好的预测效果。在Movie Lens 20M数据集上进行实验,通过对比分析证明了本文所提GDMIN模型性能的优越性。

关键词：用户特征推荐系统个性化推荐算法用户序列点击率预测

来源：评论

学校读者我要写书评

暂无评论

联合训练下融合编解码器的序列推荐算法

引用

计算机工程与设计 2024年第11期45卷 3289-3295页

作者：杨兴耀党子博于炯陈嘉颖常梦雪许凤新疆大学软件学院新疆乌鲁木齐830008

现有基于Transformer的推荐算法通常仅考虑使用编码器来进行推荐预测,缺乏利用解码器去“解码”用户行为序列的能力,不能较为准确预测用户下一次的交互行为。为解决此问题,基于阿里巴巴电子商务推荐的行为序列模型(BST)提出联合训练下... 详细信息

现有基于Transformer的推荐算法通常仅考虑使用编码器来进行推荐预测,缺乏利用解码器去“解码”用户行为序列的能力,不能较为准确预测用户下一次的交互行为。为解决此问题,基于阿里巴巴电子商务推荐的行为序列模型(BST)提出联合训练下融合编解码器的序列推荐算法模型BSTEAD。通过采用联合训练机制,设置Transformer预测任务和BST预测任务。将两条预测任务的损失进行加权求和,得到最终的损失函数。在MovieLens和Goodbooks两个公共数据集上的实验结果表明,BSTEAD推荐算法与5个对比模型相比性能具有显著提升,验证了联合训练机制下解码器对推荐任务的有效性。

关键词：用户序列注意力机制编码器解码器联合训练序列推荐推荐算法

来源：评论

学校读者我要写书评

暂无评论

大数据群体任务分配方法及装置

大数据群体任务分配方法及装置

引用

作者：谭良王青 610000 四川省成都市锦江区静安路5号

本发明提供了一种大数据群体任务分配方法，应用于服务器，所述服务器包括用户信息数据库，所述方法包括：接收来自第一客户端发送的群体任务；将群体任务进行聚类得到群体任务中各个任务的主题领域；从用户信息数据库中提取用户信息并... 详细信息

标准号: CN105162875A

本发明提供了一种大数据群体任务分配方法，应用于服务器，所述服务器包括用户信息数据库，所述方法包括：接收来自第一客户端发送的群体任务；将群体任务进行聚类得到群体任务中各个任务的主题领域；从用户信息数据库中提取用户信息并按群体任务中各个任务的主题领域对用户进行聚类；根据用户信息数据库中的用户历史任务信息及用户工作经验信息，对不同主题领域下的用户重新确定所属主题领域；按正确率降序排列用户序列；从按正确率降序排列用户序列中得到参与任务的用户，将任务信息发送到参与任务的用户对应的第二客户端。同时本发明还提供一种大数据群体任务分配装置。解决现有技术中群体任务完成正确率不理想的技术问题。

关键词：主题领域群体正确率用户信息数据库降序排列任务信息用户序列大数据聚类一种服务器任务分配装置客户端发送信息数据库经验信息任务分配任务完成用户对应用户历史用户信息重新确定从用户客户端参与提取接收应用进行解决工作

来源：评论

学校读者我要写书评

暂无评论

一种基于特征的序列推荐数据增强方法

一种基于特征的序列推荐数据增强方法

引用

作者：杨振宇马凯洋徐保杰刘小玉 250353 山东省济南市长清区大学路3501号

本发明属于序列推荐技术领域，尤其涉及一种基于特征的序列推荐数据增强方法，包括以下步骤：对获取的原始用户序列进行预处理，将原始用户序列的所有项目映射到高维空间；利用K‑means聚类算法对预处理后的所有项目进行聚类，得到所有... 详细信息

标准号: CN115470258A

本发明属于序列推荐技术领域，尤其涉及一种基于特征的序列推荐数据增强方法，包括以下步骤：对获取的原始用户序列进行预处理，将原始用户序列的所有项目映射到高维空间；利用K‑means聚类算法对预处理后的所有项目进行聚类，得到所有项目的嵌入分布；通过计算用户序列中的目标项目与聚类后簇心的距离，得到空间分布损失；对空间分布损失进行反向传播，得出嵌入每个维度梯度值；利用嵌入每个维度的梯度值，基于dropout的方法进行数据增强。该方法将项目的特征选择过程类比到项目嵌入空间中，求出项目嵌入每个维度的重要性排名，利用这个重要度进行嵌入级的数据增强过程。本发明通过向量层面的增强方法来保留序列的语义和结构，能够生成质量更高的增强数据。

关键词：嵌入数据增强维度预处理空间分布原始用户聚类特征选择过程反向传播高维空间聚类算法目标项目嵌入空间用户序列增强数据语义重要度映射向量保留

来源：评论

学校读者我要写书评

暂无评论

蜂窝网络中无线资源管理方法和装置

蜂窝网络中无线资源管理方法和装置

引用

作者：李晨韩维佳马骁杜松刘美珍刘佳鑫 710119 陕西省西安市长安区西长安街620号

本发明属于一种蜂窝网络中无线资源管理方法，包括以下步骤：步骤1：初始化Z个RC三维资源块的基本参数，基本参数包括时隙、带宽、功率载波宽度以及RC三维资源块的分配矩阵C[：，m，n]，n≤Z；步骤2：将S个用户设备按信道增益信息的大... 详细信息

标准号: CN109861803A

本发明属于一种蜂窝网络中无线资源管理方法，包括以下步骤：步骤1：初始化Z个RC三维资源块的基本参数，基本参数包括时隙、带宽、功率载波宽度以及RC三维资源块的分配矩阵C[：，m，n]，n≤Z；步骤2：将S个用户设备按信道增益信息的大小由小到大进行编号排序，生成用户序列；步骤3：按照用户序列的顺序将系统中的Z个RC三维资源块依次分配给相应的用户设备；步骤4：根据不同用户设备的QOS的要求，从功率轴顶层开始依次对每个RC三维资源块的功率进行调整。本发明无线资源管理方法在传统的时频资源块概念引入了功率域，并利用用户设备信道的增益信息，使时频资源块在同一个频段里可以被不同的用户设备同时高效利用。

关键词：用户设备资源块三维无线资源管理时频资源块基本参数用户序列矩阵蜂窝网络概念引入高效利用功率载波信道增益增益信息初始化传统的功率域功率轴顶层频段分配信道排序带宽

来源：评论

学校读者我要写书评

暂无评论

一种基于协作调度波束成形的用户选择方法

一种基于协作调度波束成形的用户选择方法

引用

作者：衡伟孟超田安龙梁天承昊翔 211189 江苏省南京市江宁区东南大学路2号

本发明公开了一种基于协作调度波束成形的用户选择方法，用户位于三个小区内，每个小区中部设有一个基站，用户选择方法包括如下步骤：步骤10）初始化：设定各小区的剩余用户序列，已选用户集和候选用户集，步骤20）选择各小区的第1个... 详细信息

标准号: CN103338457A

本发明公开了一种基于协作调度波束成形的用户选择方法，用户位于三个小区内，每个小区中部设有一个基站，用户选择方法包括如下步骤：步骤10）初始化：设定各小区的剩余用户序列，已选用户集和候选用户集，步骤20）选择各小区的第1个用户，步骤30）建立各小区的候选用户集：步骤40）更新各小区的候选用户集：步骤50）第2+p个用户的选择，p的初始值为0，p表示步骤60）返回步骤50）的次数；步骤60）如果|S_w|<N_t-1，返回步骤50），否则结束。该用户选择方法可提高小区边缘用户的性能，对小区边缘的用户进行选择传输，以使得边缘用户的性能得到较大提高。

关键词：用户选择方法边缘用户波束成形进行选择协作调度用户序列初始化基站中部

来源：评论

学校读者我要写书评

暂无评论

考虑聚合负荷及其相关性可学习的售电用户负荷预测方法

考虑聚合负荷及其相关性可学习的售电用户负荷预测方法

引用

作者：沈晓东赵俊豪 610000 四川省成都市一环路南一段24号

本发明涉及考虑聚合负荷及其相关性可学习的售电用户负荷预测方法，属于用户级负荷预测技术领域，GCN能够挖掘图结构数据中的节点信息以及节点间的相关性信息。通过GCN挖掘用户之间的潜在相关性能够提升预测精度。提出一种可学习邻接矩... 详细信息

标准号: CN117077836A

本发明涉及考虑聚合负荷及其相关性可学习的售电用户负荷预测方法，属于用户级负荷预测技术领域，GCN能够挖掘图结构数据中的节点信息以及节点间的相关性信息。通过GCN挖掘用户之间的潜在相关性能够提升预测精度。提出一种可学习邻接矩阵，能够自适应地学习不同序列间的相互关系而获得邻接矩阵，相较于相关系数能够更好地捕捉用户序列之间的复杂关系，能够根据数据的特性自动调整连接的强度，从而更好地适应不同的数据分布和特征，是一种在无法事先定义图结构时获取邻接矩阵的有效方法。经实验验证，相比现有预测算法，本发明所提预测方法更加准确和稳定。

关键词：邻接矩阵预测复杂关系负荷预测节点信息实验验证数据分布用户负荷用户序列预测算法挖掘定义图图结构用户级自适应学习聚合捕捉

来源：评论

学校读者我要写书评

暂无评论

基于会话的并行推荐方法及系统

基于会话的并行推荐方法及系统

引用

作者：沈鸿宋菁 510275 广东省广州市海珠区新港西路135号

本申请公开了一种基于会话的并行推荐方法及系统，所述方法包括：将用户在当前会话中的已点击项目序列输入可并行处理序列的切片神经网络并将输出的隐藏状态作为用户序列行为特征；利用注意力机制计算用户对已点击项目的注意力权重，由... 详细信息

标准号: CN111259243B

本申请公开了一种基于会话的并行推荐方法及系统，所述方法包括：将用户在当前会话中的已点击项目序列输入可并行处理序列的切片神经网络并将输出的隐藏状态作为用户序列行为特征；利用注意力机制计算用户对已点击项目的注意力权重，由此计算用户的长期兴趣，进而结合用户的短期兴趣获取其主要意图；计算每个项目与用户的主要意图之间的相似度从而获得用户对每个项目的下一次点击概率，据此进行推荐。本申请通过并行处理序列大量减少系统的运行时间，并提升推荐准确性。

关键词：并行处理点击项目会话注意力机制短期兴趣减少系统神经网络行为特征序列输入一次点击隐藏状态用户序列相似度切片权重申请注意力并行输出概率

来源：评论

学校读者我要写书评

暂无评论

一种基于DeepWalk网络嵌入模型的用户相似度度量方法

一种基于DeepWalk网络嵌入模型的用户相似度度量方法

引用

作者：刘靖凯何昭水谢胜利何俊延林志洁苏渝校 510062 广东省广州市大学城外环西路100号

本发明公开了一种基于DeepWalk网络嵌入模型的用户相似度度量方法，包括下述步骤：步骤一，对用户‑物品交互矩阵使用DeepWalk模型获取表示向量；DeepWalk模型首先利用随机游走产生用户序列；步骤二，将每一个用户映射到一个向量当中；... 详细信息

标准号: CN110348469A

本发明公开了一种基于DeepWalk网络嵌入模型的用户相似度度量方法，包括下述步骤：步骤一，对用户‑物品交互矩阵使用DeepWalk模型获取表示向量；DeepWalk模型首先利用随机游走产生用户序列；步骤二，将每一个用户映射到一个向量当中；步骤三，使用SkipGram算法更新每一个用户的映射向量；步骤四，通过计算用户映射向量之间的余弦距离，得到用户之间的相似度；本发明使用可并行运算的方法，且利用哈夫曼编码对相邻用户节点之间的邻域关系进行编码，因此在加快计算速度的同时减少计算量，计算复杂度从O(|V|)下降为O(log|V|)。

关键词：向量用户映射哈夫曼编码计算复杂度用户相似度并行运算交互矩阵邻域关系模型获取算法更新随机游走相邻用户映射向量用户序列余弦距离计算量相似度度量嵌入网络

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：