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

82 篇 学位论文
34 篇 期刊文献
1 篇 会议

馆藏范围

117 篇 电子文献
0 种 纸本馆藏

日期分布

学科分类号

114 篇 工学
- 113 篇 计算机科学与技术...
- 110 篇 软件工程
- 26 篇 控制科学与工程
- 2 篇 仪器科学与技术
- 2 篇 网络空间安全
- 1 篇 机械工程
- 1 篇 信息与通信工程
33 篇 管理学
- 29 篇 管理科学与工程(可...
- 4 篇 图书情报与档案管...
- 1 篇 公共管理
2 篇 教育学
- 2 篇 教育学
1 篇 理学
- 1 篇 数学
1 篇 艺术学
- 1 篇 设计学（可授艺术学...

主题

117 篇 跨域推荐
25 篇 推荐系统
17 篇 深度学习
15 篇 注意力机制
15 篇 迁移学习
10 篇 协同过滤
9 篇 图神经网络
8 篇 元学习
8 篇 矩阵分解
7 篇 冷启动
6 篇 冷启动问题
6 篇 自监督学习
5 篇 知识图谱
5 篇 推荐算法
5 篇 辅助信息
4 篇 冷启动用户
4 篇 隐私保护
4 篇 图卷积网络
4 篇 数据稀疏性
4 篇 个性化推荐

机构

8 篇 哈尔滨工程大学
6 篇 江苏科技大学
5 篇 重庆理工大学
5 篇 北京邮电大学
5 篇 山东大学
4 篇 山东师范大学
4 篇 辽宁工程技术大学
3 篇 河北大学
3 篇 重庆邮电大学
3 篇 西安电子科技大学
3 篇 山东理工大学
3 篇 电子科技大学
3 篇 广东工业大学
2 篇 华中科技大学
2 篇 东南大学
2 篇 国防科技大学
2 篇 安徽大学
2 篇 大连海事大学
2 篇 长春工业大学
2 篇 华泰证券股份有限...

作者

3 篇 刘玉芳
3 篇 张彬
3 篇 陆永倩
2 篇 zhu xiaofei
2 篇 zhang lijie
2 篇 张丽杰
2 篇 liu yufang
2 篇 许梦瑶
2 篇 郭佳
2 篇 sun fuzhen
2 篇 吴姣
2 篇 申策
2 篇 生佳根
2 篇 李秋菊
2 篇 lu yongqian
2 篇 王禹
2 篇 孙福振
2 篇 张锐汀
2 篇 尹雅博
2 篇 cao fengping

语言

117 篇 中文

检索条件"主题词=跨域推荐"

共 117 条记录，以下是41-50 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：

基于相似度自学习的跨域推荐方法研究

基于相似度自学习的跨域推荐方法研究

引用

作者：吴家喜哈尔滨工程大学

学位级别：硕士

随着大数据时代的到来,用户面临着日益严重的信息过载问题。为了满足用户个性化的需求,推荐系统应运而生。推荐系统就是主动为用户从广泛的信息海洋中寻找出用户喜爱信息的时代产物。其中跨域推荐是针对单领域推荐中数据稀疏以及冷启动... 详细信息

随着大数据时代的到来,用户面临着日益严重的信息过载问题。为了满足用户个性化的需求,推荐系统应运而生。推荐系统就是主动为用户从广泛的信息海洋中寻找出用户喜爱信息的时代产物。其中跨域推荐是针对单领域推荐中数据稀疏以及冷启动用户的问题,联合多个辅助域进行推荐的方法。目前,在跨域推荐的研究主要还是集中在如何通过各种方法或者考虑更全面的因素来提高推荐的准确率的问题上。在跨域推荐中,一方面,针对存在用户对购物评分随意性的情况,在跨域推荐预处理阶段本文提出基于评分可靠性的跨域个性化推荐方法。根据用户现有的评分数据计算出用户评分可靠性,再通过评分可靠性等比分段划分阈值,对评分数量低于阈值的评分进行清除的跨域推荐预处理,降低辅助域随意评分的干扰;另一方面,在推荐处理阶段,根据基于用户相似度自学习的跨域推荐模型,对用户相似度计算进行了更全面的考虑,加入共同物品集、评分时间、用户评分三种因素综合计算用户相似度。同时,在辅助域和目标域中计算共享用户相似度时,提出以目标域为主,辅助域为辅的选择策略,在理论上使得推荐方法更符合实际。最后,将基于评分可靠性的跨域个性化推荐方法和基于用户相似度自学习的跨域推荐方法组合进行推荐。本文在Amazon数据集上进行了验证和对比实验,实验结果表明基于评分可靠性的跨域个性化推荐方法能够提高推荐准确率,以及基于用户相似度自学习的跨域推荐方法中改进的用户相似度方法、对共享用户相似度值的选择策略分别对推荐准确率是有所提高的。最后将基于评分可靠性的跨域推荐方法和基于用户相似度自学习的跨域推荐方法结合能够有效的提高推荐准确率。

关键词：跨域推荐阈值用户相似度

来源：评论

学校读者我要写书评

暂无评论

基于领域自适应的跨域推荐

基于领域自适应的跨域推荐

引用

作者：张心悦电子科技大学

学位级别：硕士

推荐系统是一种通过分析用户行为和个人特征,为用户提供个性化推荐的技术。它可以帮助用户发现感兴趣的内容,提高用户体验和满意度。基于领域自适应的跨域推荐是推荐系统研究中的一个重要方向,旨在利用用户在一个平台上的行为数据,为其... 详细信息

推荐系统是一种通过分析用户行为和个人特征,为用户提供个性化推荐的技术。它可以帮助用户发现感兴趣的内容,提高用户体验和满意度。基于领域自适应的跨域推荐是推荐系统研究中的一个重要方向,旨在利用用户在一个平台上的行为数据,为其在其他平台上提供个性化的推荐。通过将用户的兴趣迁移到其他领域,提供更全面和多样化的推荐体验,可以提高推荐系统的推荐精度,促进不同平台之间的合作与交流。然而,目前基于领域自适应的跨域推荐模型还有一些方面有待完善。首先,传统的跨域推荐都是单向迁移,无法充分利用目标域的数据学习双向迁移模式。其次,随着万物互联时代的发展,用户对隐私泄露的担忧日益增加,隐私保护成为一个重要问题。此外,在广告场景下,点击后转化率预估需要利用点击空间的样本进行训练,但模型推断却要在整个曝光空间进行,这种跨域方式忽略了样本选择偏差对预估结果的影响。针对以上问题,本文展开了深入的探索与讨论,提出了三种跨域推荐模型。本文的主要工作如下: 1.对于基本领域自适应的跨域推荐场景,本文提出了一种基于对抗域适应的双目标跨域推荐算法MADD,旨在充分利用目标域的数据学习一个双向迁移模式。MADD算法通过解耦用户原始嵌入,学习用户的跨域相似兴趣和当前域的私有兴趣,并利用注意力机制生成用户的个性化偏好。最终,利用多任务学习范式训练模型并同时提高两个领域的推荐性能。 2.对于无源领域自适应的跨域场景,为了缓解迁移过程中的灾难性遗忘和迁移效率低效等问题,本文提出了一种基于轻量参数迁移的无源域适应跨域推荐算法SFAT。SFAT通过迁移一个训练完备的源域模型,避免了目标域对源域数据的直接访问,有效规避了用户隐私数据泄露风险。此外,通过部署参数高效的Adapter模块,实现时间高效的跨域迁移,适配不同的下游任务。 3.对于预估点击后转化率的广告推荐场景,为了缓解固有的数据稀疏及样本选择偏差挑战,本文提出了一种基于对抗增强和因果多任务的无偏推荐算法AECM。AECM重新定义了插补任务的目标并提出了一种新颖的估计器,旨在同时最小化偏差和方差。此外,AECM引入了一种新颖的双重对抗模块,包括建模反事实空间的空间级对抗和去除转化嵌入中点击因素的任务级对抗,以在曝光空间进行转化率的无偏预估。

关键词：跨域推荐对抗域适应无源域适应样本选择偏差

来源：评论

学校读者我要写书评

暂无评论

基于迁移学习的跨域推荐算法研究

基于迁移学习的跨域推荐算法研究

引用

作者：何婧华东师范大学

学位级别：硕士

第三次信息化浪潮导致信息过载的问题越来越严重,当前网络数据呈现爆炸式增长趋势,为帮助用户从海量数据中快速筛选出有效信息,推荐系统应运而生。推荐系统能够在用户无法准确描述自己需求的情况下,通过自主地分析用户和商品之间的交互... 详细信息

第三次信息化浪潮导致信息过载的问题越来越严重,当前网络数据呈现爆炸式增长趋势,为帮助用户从海量数据中快速筛选出有效信息,推荐系统应运而生。推荐系统能够在用户无法准确描述自己需求的情况下,通过自主地分析用户和商品之间的交互行为及上下文等信息,为用户提供个性化推荐,从而有效地缓解信息过载问题。作为推荐系统的核心技术,推荐算法的主要任务是预测用户对物品的感兴趣程度,即用户对物品的评分或点击概率,现有的推荐算法主要研究单一领域内用户对物品的评分或点击率,仅使用单个领域内的特征交互、用户行为和上下文等信息进行建模,然而,现实生活中的很多应用场景下,应用程序往往需要处理来自多个不同领域模块的复杂数据,通过对用户行为日志进行分析,系统往往能获取到用户在多个不同领域的交互行为信息,这些跨域信息能够综合反映出用户的多维度丰富兴趣偏好,也为跨域推荐算法的实现提供了数据支持。为了更好地解决现有推荐系统在现实应用场景下面临的数据稀疏和冷启动等问题,本文在单域推荐算法的研究基础上,结合迁移学习和深度学习思想,综合考虑来自多个领域的用户行为数据,进一步研究跨域点击率预测问题。跨域推荐算法的关键问题在于如何实现知识迁移,本文设计并实现了一种跨域混合注意力网络预测模型MANet,该模型能够较好地实现源域到目标域的知识迁移,为提升推荐算法性能和缓解冷启动、数据稀疏等问题提供了行之有效的方案,本文的主要工作如下:1.全面梳理和总结了传统推荐算法和深度学习推荐算法的演化历程,并详细介绍了跨域推荐算法的关键技术及主要思想;2.基于深度学习和迁移学习思想,提出了共享多领域用户兴趣的跨域混合推荐模型,模型综合考虑来自不同领域的三种用户兴趣,即跨领域长期兴趣、源领域短期兴趣和目标领域短期兴趣,运用特征嵌入技术将用户特征、源域历史行为、目标域历史行为等高维离散特征数据进行低维稠密化处理,并通过预训练FM模型引入先验知识,从而加速模型收敛速度,为后续处理多维异构数据提供支持;3.在跨领域异构数据的迁移融合过程中引入注意力机制,并对注意力机制进行优化改进,从而动态地实现了从源域和目标域最近标记项目中提取有效信息,并自适应地融合不同的兴趣表征的功能,此外,考虑到不同类型兴趣对目标预测的影响程度不同,本算法实现了自适应地调整用户的不同类别兴趣权重的功能,从而巧妙地完成了不同类别用户兴趣的迁移与融合;4.构建注意力网络和全连接网络,将迁移融合后的兴趣向量作为神经网络的原始输入,利用神经网络层完成全部特征自动交叉任务,并通过大量数据集对模型进行训练,发掘用户多元化的兴趣偏好。综合运用多领域数据不仅提高了目标域的预测性能和网络资源利用率,也使模型推荐内容更加丰富、新颖和多样化,有助于打破信息茧房效应;5.设计多组离线实验,将本文提出的跨域推荐算法和经典的单域和跨域推荐算法进行对比,在包含大量样本的数据集上验证MANet算法的三种用户兴趣融合建模和分层注意力机制的有效性。

关键词：跨域推荐迁移学习注意力机制

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方法研究

基于深度学习的跨域推荐方法研究

引用

作者：王昕雨哈尔滨工程大学

学位级别：硕士

随着互联网的普及和飞速发展,推荐方法已经应用于许多推荐场景,增强用户的体验感,同时也为跨域推荐方法的研究带来了新机遇。跨域推荐方法将知识从源域迁移到目标域从而丰富后者信息的方式比单域推荐方法的推荐性能更好。在跨域推荐方... 详细信息

随着互联网的普及和飞速发展,推荐方法已经应用于许多推荐场景,增强用户的体验感,同时也为跨域推荐方法的研究带来了新机遇。跨域推荐方法将知识从源域迁移到目标域从而丰富后者信息的方式比单域推荐方法的推荐性能更好。在跨域推荐方法中对异质辅助域用户项目特征的迁移和融合还有可改进的空间,同时也是影响评分预测和项目推荐的重要问题。因此,本文从单域方法中的用户项目特征提取和跨域方法中的特征迁移融合两方面进行研究,论文的主要工作如下:首先,针对协同过滤域特征提取方法面临的数据稀疏性问题,提出了一种融合近邻信息的半自动编码器混合域特征提取方法NSe MF(Neighborhood Semi-Matrix Factorization)。该方法通过引入近邻偏好辅助信息的MC-WKNN(Matrix CompletionWeighted K Nearest Neighbor)方法在水平和垂直两个维度上填补原始评分矩阵的缺失值,然后通过半自动编码器引入项目侧辅助信息并结合矩阵分解联合训练最终提取得到用户和项目的有效特征。实验表明该方法能显著降低误差,提高推荐性能。其次,针对跨域推荐方法融合多个异质辅助域特征时产生的负迁移问题,提出了一种基于多头注意力机制的DeepFM跨域推荐方法MADF-CDR(Multi-Attention DeepFM Cross-Domain Recommendation),旨在跨域特征迁移融合时自动为辅助域分配更优的权重从而对目标域评分进行准确预测。模型首先利用NSe MF单域特征提取方法提取多个域的用户和项目特征,在此基础上利用多头注意力机制与跨项目域思想改进后的DeepFM方法进行跨域特征的迁移与融合,然后利用FM模块和DNN模块对特征进行一阶二阶以及高阶非线性交叉学习,进而获得目标域的预测评分与推荐结果。模型充分利用了多辅助域的有效特征,显著提高了跨域推荐性能。最后,对比实验结果显示融合近邻信息的半自动编码器域特征提取方法与现有方法相比具有较低的误差,而基于多头注意力机制的跨域推荐模型拥有更高的预测精度和召回率。

关键词：跨域推荐近邻辅助信息半自动编码器多头注意力机制 DeepFM

来源：评论

学校读者我要写书评

暂无评论

面向多源数据的跨域推荐系统关键技术研究

面向多源数据的跨域推荐系统关键技术研究

引用

作者：赵杉华中科技大学

学位级别：硕士

随着网络和智能设备的不断发展,互联网上的信息也越来越丰富和多样,人们可以在网络上获得各种各样的信息和服务,同时人们逐渐发现要在网上找到符合自己需求的东西也越来越麻烦,早期搜索技术可以满足人们这一需求,但是由于它的结果不够... 详细信息

随着网络和智能设备的不断发展,互联网上的信息也越来越丰富和多样,人们可以在网络上获得各种各样的信息和服务,同时人们逐渐发现要在网上找到符合自己需求的东西也越来越麻烦,早期搜索技术可以满足人们这一需求,但是由于它的结果不够“个性化”,不能满足不同用户的个人偏好需求,因此个性化推荐技术开始被发现并应用于各个领域,专注于利用各种算法挖掘用户的个性化偏好。传统的推荐技术仅仅基于单一数据源,单一领域进行推荐,无法较好的处理数据稀疏性和用户冷启动问题。结合当前多源数据广泛存在的情况,为缓解数据稀疏性问题和用户冷启动问题提出多个模型。针对单域数据的稀疏性,提出多种多源数据下的跨域推荐模型,分别融合了用户相似度矩阵,用户预测结果,用户全局行为对用户进行评分预测,针对多源数据中单域的用户冷启动问题,提出了基于跨域协同过滤和关联规则挖掘的推荐模型,在传统跨域协同过滤的基础上,以关联规则进行第二次过滤。经过在豆瓣数据集对提出的模型进行检验,可以发现,相比传统单域推荐算法,融合多源数据信息的跨域推荐模型在推荐效果上有所提高,可以有效缓解单域数据的稀疏性。在对新用户进行推荐时,提出的关联规则跨域推荐算法相比于传统的流行度推荐和跨域协同过滤推荐,在预测准确率上有所提高,有效的缓解了推荐系统的用户冷启动问题,可用于提高当前推荐系统的推荐效果。

关键词：跨域推荐协同过滤关联规则社会化标签

来源：评论

学校读者我要写书评

暂无评论

基于迁移学习和元学习的跨域推荐算法研究

基于迁移学习和元学习的跨域推荐算法研究

引用

作者：付晓杨重庆理工大学

学位级别：硕士

随着移动互联网的蓬勃发展和电子信息化的迅速普及,人们步入了一个充斥着巨量信息的新时代,其给人们的工作和生活带来了极大便利。但与此同时,人们也渐渐迷失在身处的“信息海洋”中,难以快速定位到自己感兴趣的信息。当信息量超过了个... 详细信息

随着移动互联网的蓬勃发展和电子信息化的迅速普及,人们步入了一个充斥着巨量信息的新时代,其给人们的工作和生活带来了极大便利。但与此同时,人们也渐渐迷失在身处的“信息海洋”中,难以快速定位到自己感兴趣的信息。当信息量超过了个人或系统所能接受的范围,就会出现信息过载问题,而推荐系统正是解决该问题的智能化手段之一。在推荐系统类别划分上,若依照领域范围进行划分可以分为单域推荐系统和跨域推荐系统。具体来讲,单域推荐系统是指模型训练和推理仅利用用户在于本领域的数据,其在信息丰富的领域内表现的较好,但是在信息稀疏的领域内则性能下降。跨域推荐很好的弥补了单域推荐的不足,其旨在利用源域丰富的辅助信息并以迁移的方式来增强目标域的推荐性能,从本质上来讲也是信息增强的一种方式。在跨域推荐的相关研究中,以构造桥函数的方式来实现用户偏好从源域至目标域的迁移是一个值得深入研究的课题,目前为止已有不少的研究工作提出了多种新颖的桥函数。但是经过深入研究分析,以往工作在桥函数的构建和偏好迁移上仍存在一些不足之处,特别是所设计的桥函数无法充分的捕捉域通用性偏好,以及在偏好迁移的实现方式上存在一定的推荐偏差,同时在优化目标函数训练策略上仍有改进之处。本文主要利用了迁移学习和元学习的研究方法去构造桥函数实现高效的跨域偏好迁移,以解决目标域的用户冷启动问题,提升目标域的推荐性能。本文在阅读了众多关于跨域推荐的文献的基础上,从不同的角度出发,研究并提出了两种解决方案。其一是从桥函数的构造出发,构造出了可将源域中的域通用性偏好迁移至目标域的桥函数,从而实现在域级别通用偏好加持下的用户偏好迁移;其二是在其一的基础上,从偏好迁移的角度出发,构造出了将用户的偏好按照类别实现迁移的类别型偏好桥函数,实现偏好不同类的用户使用不同的桥来完成迁移,将协同过滤信号充分的融入进桥函数的设计当中。在这两项工作中均采用了以评分为导向的训练策略,该方式不仅一定程度减少了模型的误差,同时增加了模型的训练样本。通过在豆瓣和亚马逊跨域推荐数据集上进行了用户冷启动实验、泛化实验和超参数实验以及定性的实验分析,充分证明本文提出的两种方法均可进行有效的偏好迁移并可缓解目标域的用户冷启动问题,提升其推荐性能。

关键词：跨域推荐迁移学习元学习偏好迁移桥函数

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

基于交叉用户的跨域推荐算法研究与实现

基于交叉用户的跨域推荐算法研究与实现

引用

作者：王游西安电子科技大学

学位级别：硕士

随着互联网产业的蓬勃发展,用户每天都需要面对海量的信息,如何从繁杂的各类信息中筛选出有价值的信息成为互联网行业的一个重要问题。为了解决信息过载问题,人们提出了各种方案,其中最成功、目前应用最广泛的就是个性化推荐系统。推荐... 详细信息

随着互联网产业的蓬勃发展,用户每天都需要面对海量的信息,如何从繁杂的各类信息中筛选出有价值的信息成为互联网行业的一个重要问题。为了解决信息过载问题,人们提出了各种方案,其中最成功、目前应用最广泛的就是个性化推荐系统。推荐系统通过分析用户历史信息,总结出用户的兴趣特点,从而预测用户对未曾查看过的物品的喜好。个性化推荐系统经过二十多年的发展,在学术上涌现出大量的研究成果,在商业上也有广泛的使用。目前用户在访问电商网站、视频音乐等多媒体网站以至于问答类网站时,都会自动展示相关推荐,而不需要用户重复搜索、筛选的枯燥工作,提升效率的同时也提高了用户体验。对于电商网站而言,个性化的推荐让用户更有可能购买关联产品,提高销售业绩;对视频等内容类网站而言,个性化的推荐则可以使用户有兴趣浏览更多内容进而提高用户的停留时间。目前为止,对于推荐系统的研究多停留在提高推荐算法效率或者准确性的阶段,而忽视了用户的本质是一个人,每个人会在多个网站产生数据,因此能够融合多个网站域数据的跨域推荐系统成为了新的研究热点。跨域推荐系统迁移用户在源平台上的数据到目标域上,从而提高目标域中推荐的准确性,缓解单域推荐系统的数据稀疏、冷启动等问题。跨域推荐系统的实现有多种技术手段,包括使用矩阵分解的方法、使用迁移学习将源领域知识迁移到目标域的方法、使用聚类以及人工神经网络将源领域知识迁移到目标域的方法等等。以上方法都在特定领域取得了一些成果,本文主要关注不同域之间的交叉用户,将不同域之间看似没有关联的用户联系起来,并将用户在原始域中积累的数据使用到目标域中用于推荐,力求在数据稀疏的情况下为交叉用户提供更精确的推荐。本文在跨域推荐系统方面取得了如下成果:1.提出交叉用户的概念,即同一个人在两个不同网站上需要注册两个用户,这种用户称之为交叉用户。在现实生活中,我们会发现如果两个人对某一领域有相同的喜好,那么在相似领域中他们也会有同样的意见。如果可以识别出交叉用户,将多个域的用户对应到一个人,则可以由数据丰富的域得到两个人的相似度,然后在数据稀疏的域中应用这种相似度计算推荐,从而得出准确的推荐项目。2.单域推荐系统的用户相似度计算公式均只使用了一个域中的数据,而如果想使用其他域中的数据共同计算相似度,又会因为用户的评分体系有很大差别,无法直接使用。在本文中提出了一种基于皮尔逊相关系数的跨域用户相似度计算公式,对来自多个域的数据进行归一化处理并加入到公式中,从而提高最后用户相似度计算的准确性,并由此设计了一种基于交叉用户的推荐算法。3.为解决交叉用户识别的问题,本文构建了一套基于Cookie的交叉用户身份认证系统。能够标识交叉用户后,本文提出了基于交叉用户的跨域推荐系统。最后使用线上数据对所构建的跨域推荐系统进行了离线实验验证,实验结果表明本文提出的跨域推荐系统在解决用户冷启动方面确实有良好的效果。新用户初次访问获得的推荐有针对性,体现了用户的一部分兴趣。同时在目标域数据稀疏的情况下,本文提出的系统也可以给出更加准确的推荐。

关键词：交叉用户迁移学习跨域推荐协同过滤

来源：评论

学校读者我要写书评

暂无评论

基于评分和评论迁移技术的跨域推荐方法研究

基于评分和评论迁移技术的跨域推荐方法研究

引用

作者：吕鹏鹏江苏科技大学

学位级别：硕士

伴随互联网的发展,推荐系统逐渐成为了电子商务、社交网络、音乐、视频等领域中必不可少的应用之一。由于传统的推荐系统通常是在单一领域中进行,即推荐同一领域的物品给用户,当面对新用户或数据过于稀疏时无法做出准确的推荐。近年来,... 详细信息

伴随互联网的发展,推荐系统逐渐成为了电子商务、社交网络、音乐、视频等领域中必不可少的应用之一。由于传统的推荐系统通常是在单一领域中进行,即推荐同一领域的物品给用户,当面对新用户或数据过于稀疏时无法做出准确的推荐。近年来,在推荐领域中由于能够使用评分的同时还会考虑评论信息的影响,跨域推荐逐渐成为研究热点。跨域推荐算法不仅考虑到用户在单一领域中的行为,还考虑了用户在其它领域中的行为以及这些不同领域之间的相互关系。然而对于现有大多数跨域推荐算法仅使用用户评分数据获取评分模式的方法实现推荐,仍然存在着评分数据稀疏性问题,导致不能够准确的预测用户偏好。为了缓解评分数据的稀疏性问题,单域推荐模型常采用融入评论信息来改善推荐效果。受此启发,本文设计了两种将评分和评论信息进行融合的跨域推荐方法。主要研究工作如下:(1)针对大多数推荐系统中存在的数据稀疏和用户冷启动问题的研究,本文以CLFM模型为基础,设计了深度融合评分和评论的跨域推荐方法。首先,在辅助域和目标域同时使用扩展后的堆叠降噪自动编码器SDAE,将评分信息做为SDAE模型输入,以实现与评论信息向量的加权融合。其次,在辅助域对组成的新的评分矩阵使用正交矩阵三分解技术构建评分模式,借助于密码本CBT迁移技术,将辅助域评分模式迁移到目标域。最后评分模式与目标域适配并进行最终评分预测。在多个真实数据集上验证了本文模型的有效性。(2)当需要同时输入多个辅助信息时,SDAE模型就需要增加输入和输出层维数,随着输出层维数的增加,往往会导致重构数据的丢失,从而影响算法的预测性能。本文通过扩展深度融合评分和评论的跨域推荐方法,设计了基于半堆叠降噪自动编码器的跨域推荐算法。由于半堆叠降噪自动编码器SSDAE输入层与输出层维数可以不同。这样,当输入维数增加时,SSDAE的输出维数可以保持不变,从而有效缓解了重构数据的丢失。首先,辅助域和目标域使用SSDAE模型来完成多个输入信息的融合。其次,对于中间层输出的用户和物品潜在特征向量,再利用变换函数将提取的潜在特征向量与矩阵分解后的向量保持在一个空间。然后,使用正交矩阵三分解技术,在辅助域中训练得到最优的迁移矩阵,结合基于密码本迁移技术使得迁移矩阵与目标域进行适配。最后重组最终的目标域评分矩阵。本文在3个真实数据集上设计了多个对比实验,根据结果显示本文模型在一定程度上增强了推荐的准确度。

关键词：跨域推荐正交矩阵三分解评论信息评分信息潜在特征堆叠降噪自动编码器

来源：评论

学校读者我要写书评

暂无评论

基于异质信息迁移的跨域推荐算法研究

基于异质信息迁移的跨域推荐算法研究

引用

作者：江尚儒北京邮电大学

学位级别：硕士

随着在线社交网络的迅速发展,在线用户信息的数据量呈爆炸式增长,如何从数据中提取有用的信息并利用这些信息为用户提供个性化的推荐逐渐成为研究热点。目前已经涌现出了许多向社交网络用户推荐符合他们兴趣的信息的个性化推荐系统和方... 详细信息

随着在线社交网络的迅速发展,在线用户信息的数据量呈爆炸式增长,如何从数据中提取有用的信息并利用这些信息为用户提供个性化的推荐逐渐成为研究热点。目前已经涌现出了许多向社交网络用户推荐符合他们兴趣的信息的个性化推荐系统和方法,然而传统的单域推荐方法通常会受到信息稀疏性问题以及推荐冷启动问题的影响,对稀疏性以及冷启动问题的解决能力是有限的。由于互联网用户通常会接触多种不同类型的社交网络,结合网络间信息进行跨域推荐解决传统的单域推荐方法面临的稀疏性问题以及冷启动问题,近年来引起了大量的关注。跨域推荐算法除了使用用户反馈信息等来自推荐目标网络的信息之外,也可以将来自外部网络的辅助信息迁移到目标网络来解决推荐问题,从而提高推荐效果。在不同的网络应用平台中,通常会存在完全或部分重叠的用户和项目,通过充分挖掘这些重叠用户的行为模式,可以进行不同社交网络平台间的异质信息迁移,从而丰富目标社交网络的信息。然而,跨域推荐在解决如何通过重叠用户联合不同网络之间的信息时,也面临一些问题,比如由社交平台不同带来的信息异质性。信息异质性主要是由于不同的域的功能和焦点不同引起的,这导致用户在不同域上的行为模式包含平台特定因素;此外不同平台中的信息粒度存在差异,比如标签的分类细致程度、内容文本信息的长短等等。针对以上问题,本文提出了一种基于异质信息迁移的跨域推荐算法HITCDR,分别从两个方面对跨域推荐效果进行改进。首先提出一种通过域间用户对齐算法RPSUA来解决跨域推荐中域间映射函数训练时重叠用户数据量不足的问题;然后提出一种区分域共享特征与域特定特征的信息迁移方法。本文完成的主要工作如下:(1)首先通过矩阵分解在单域生成用户潜在表示,同时结合生成的用户-项目交互矩阵来用于计算用户之间的相似度,并根据相似程度构建用户相似关系网络;然后将源域和目标域的用户表示投影到同一表示空间;最后将投影后的表示结果相近的用户对标记为隐式重叠用户,结合已经识别出的显式重叠用户一起用于之后的特征区分阶段和跨域用户表示映射阶段,来增强跨域映射函数的泛化性能;(2)然后通过基于域分离网络的特征区分模块提取用户单域表示中的域共享特征和域特定特征,并以此来对两种不同类型的特征进行不同粒度的映射;在得到域特定特征映射网络与域共享特征映射网络后,将源域非重叠用户的单域表示作为输入并生成非重叠用户的目标域表示;最后使用新生成的用户表示还原预测的评分矩阵,并为源域非重叠用户推荐目标域项目。本文先对现有的跨域推荐算法进行分类和介绍,通过对已有的算法进行研究和分析,为之后本文的跨域推荐算法设计奠定了基础。然后详细介绍了本文提出的跨域推荐算法HITCDR,并给出了本文方案的设计与实现,最后在真实的亚马逊数据集中验证了本文方案的有效性并给出了评估分析。

关键词：跨域推荐信息迁移协同过滤域适应

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12页 << < 1 2 3 4 5 6 7 8 9 10 > >>

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：