检索结果-南通市图书馆

作者：陈星潘大连海事大学

学位级别：硕士

随着社交媒体技术的快速发展,大量文本与图像结合的新型社交数据取代了原有的纯文本数据。对图文数据进行情感分析在选情分析、网络舆情管理等领域发挥着关键作用。现实情境中,图像和文本具有一定的相关性,而现有的基于图像语义翻译的... 详细信息

随着社交媒体技术的快速发展,大量文本与图像结合的新型社交数据取代了原有的纯文本数据。对图文数据进行情感分析在选情分析、网络舆情管理等领域发挥着关键作用。现实情境中,图像和文本具有一定的相关性,而现有的基于图像语义翻译的图文情感分析方法中的图像语义翻译模块通常仅通过图像进行字幕生成,存在无法有效利用文本信息的问题,导致生成的字幕对于图像的描述不够具体和准确。而且,该类方法利用BERT输出的文本语义向量直接对目标实体进行情感极性预测,会导致对于目标的关注度不够深入。为了解决上述问题,本文提出了基于图像字幕生成的图文融合情感分析方法来实现图文的目标情感分析。本文的主要贡献如下:1.提出融合源文本信息的图像字幕生成模型。该模型在SAT模型的基础上进行改进,并融合了多头AoA注意力机制和指针生成器网络。多头Ao A注意力机制可以帮助模型在进行词汇表单词预测时,关注到源文本信息;指针生成器网络能够使模型有效复用源文本中的信息,如实体、事件等,从而生成更加具体和准确的图像描述。该模型与对比模型在Breaking News数据集上进行实验,实验结果证明了该模型的有效性。2.提出基于BERT和多头注意力机制的图文目标情感分析模型。首先将通过上述图像字幕生成模型获得的图像描述与源文本进行拼接,形成包含图文信息的多模态文本,然后利用BERT模型对多模态文本和目标进行编码,从而获得含有上下文语义信息的文本向量表示,最后通过多头注意力机制进一步挖掘目标的情感信息,从而实现图文目标情感分析。实验证明,整体模型在Twitter-15和Twitter-17数据集上有更好的准确率。3.将本文提出的基于图像字幕生成的图文融合情感分析方法进行应用研究,完成了面向图文的目标情感分析系统的详细设计以及系统实现。

关键词：图文情感分析图像字幕生成 BERT模型多头注意力机制

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多模型融合的跨站脚本攻击检测研究

基于多模型融合的跨站脚本攻击检测研究

作者：郭圣圣大连海事大学

学位级别：硕士

随着信息科技的快速发展,互联网已经深入到人们日常生活的方方面面,网络安全问题也日益凸显。跨站脚本攻击是一种常见的Web攻击手段,攻击者通过在网页链接和Web页面注入恶意脚本盗取用户信息,从而对网络安全构成威胁。传统的XSS攻击检... 详细信息

随着信息科技的快速发展,互联网已经深入到人们日常生活的方方面面,网络安全问题也日益凸显。跨站脚本攻击是一种常见的Web攻击手段,攻击者通过在网页链接和Web页面注入恶意脚本盗取用户信息,从而对网络安全构成威胁。传统的XSS攻击检测方法在词嵌入阶段未能很好地捕捉词与词之间的依赖关系,在特征提取阶大多采用单一特征表示方法,使得提取的特征表征能力存在欠缺,从而影响检测效果。针对上述问题本文提出一种基于多模型融合的跨站脚本攻击检测方法,通过结合各个模型的优势,使得模型表征更全面,再通过大量数据自主学习更深层的XSS攻击特征与依赖关系,从而提升检测准确率与泛化能力。本文的主要研究内容如下:1.本文提出将ALBERT模型应用于跨站脚本攻击检测的词嵌入阶段。针对XSS攻击的特性,使用ALBERT模型生成词向量,它通过双向的Transformer机制,可以在词嵌入阶段捕捉更多数据中的依赖关系,同时它的动态掩码与顺序预测任务能够提取出潜在的XSS攻击特征,从而提升模型在词向量生成阶段的表征能力。2.本文提出了基于LN-Bi LSTM-DPCNN特征融合的跨站脚本攻击特征提取方法。针对跨站脚本攻击具有局部关键词和上下文依赖的特点,在特征提取层使用双向长短期记忆网络(Bi LSTM)和深度金字塔卷积神经网络(DPCNN)并行提取数据特征信息,并对其进行改进。Bi LSTM能够充分从数据提取更深层次上下文依赖特征,在其双向的神经网络单元中引入层归一化(LN)机制,减轻因网络层数加深而带来梯度消失或梯度爆炸的问题;利用结合Mish激活函数的DPCNN,逐层卷积可以更有效地提取局部特征信息,其中Mish激活函数具有更平滑的性质,有助于在训练过程中保持良好的梯度传播。将并行提取结果进行融合,使得提取的XSS特征更加全面,以提升模型的准确率与泛化能力。最后使用全连接层与Softmax分类器得出检测结果。3.本文通过实验评估了多模型融合的检测模型(ALBERT-LN-Bi LSTM-DPCNN,ALBD)的检测效果和泛化能力,并在此基础上搭建检测系统。实验分析过程中,在CSIC&CIC-IDS数据集的基础上使用爬虫技术收集数据集构成XSSpayloads数据集,并对两个数据集分别进行预处理。通过对比实验和消融实验对模型进行深入分析,结果表明,本文提出的检测方法相较于其他方法在准确率、F1值上均有提高,并通过对不同数据集的实验验证了ALBD融合模型的泛化能力。最后本文在提出多模型融合检测方法的基础上设计并实现了跨站脚本攻击检测系统。

关键词：跨站脚本攻击 ALBERT模型双向长短时记忆网络 DPCNN模型

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于XLNet的双通道文本情感分析研究

基于XLNet的双通道文本情感分析研究

作者：李颜平大连海事大学

学位级别：硕士

随着网络用户的爆发式增长,社交网络上出现了大量的评论文本,对这些评论文本进行情感分析,对于不同潜在用户群体、各企业及政府部门都具有极高的参考价值。然而,由于评论数量庞大且质量参差不齐,如何从中提取有用信息以提升服务质量和... 详细信息

随着网络用户的爆发式增长,社交网络上出现了大量的评论文本,对这些评论文本进行情感分析,对于不同潜在用户群体、各企业及政府部门都具有极高的参考价值。然而,由于评论数量庞大且质量参差不齐,如何从中提取有用信息以提升服务质量和消费者满意度成为一个关键问题。同时,传统的分析方法在词嵌入阶段忽视了文本语义,在特征提取阶段,单一的特征提取模型会导致对特征的关注度不足。为了解决上述问题,本文以酒店在线点评为研究对象,旨在通过构建深度学习模型,从粗粒度和细粒度两个层面深入分析酒店评论文本的情感倾向。主要研究内容包括:1.本文提出一个基于XLNet的双通道文本级情感分类模型,对酒店评论进行文本级粗粒度情感分析。在词向量生成阶段,采用XLNet生成词向量,通过其Transformer-XL机制,规避了Bert模型因随机遮掩而导致的语义特征提取丢失的问题;在特征提取阶段,模型采用双通道的Bi GRU＿Self Att层和CNN＿Self Att层更全面提取特征信息,在Bi GRU与CNN层后分别引入Self Attention机制,可以更好地加权提取影响度高的语义信息,提高对文本情感的识别精度;最后通过Soft Max层对提取的特征进行分类输出。在实验方面,本文构建的模型在携程酒店评论和通过Python爬取的去哪儿旅行网酒店评论数据集基础上进行对比实验。实验结果显示,与其他的传统模型相比,本文构建的模型在整个文本情感分析任务上的准确率值和F1值都有明显提高。2.本文提出了一个联合分词改进与多任务学习的属性级情感分析模型,针对酒店点评的详细属性进行细粒度文本情感分析。在数据预处理阶段,利用改进的分词方法,在分割词语的同时进行准确的词性标注。其次,采用多任务学习数据,将文本词嵌入后的词向量复制为两份,一份用于动态加权的特征提取,另一份用于序列标注的属性提取。接着,使用注意力机制计算两者融合后的权重,以得出酒店点评文本和属性词之间的依存关系。最后通过Soft Max层分类输出。在实验方面,本文构建的模型是在包含不同属性词的数据集基础上进行对比实验。实验结果显示,本文模型在属性级细粒度情感分析任务中具有较好的性能,准确率有明显提高。

关键词：情感分析 XLNet模型双通道处理 SelfAttention机制

基于改进的BiGRU-CNN模型的文本情感分析研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于改进的BiGRU-CNN模型的文本情感分析研究

作者：孙亿琪大连海事大学

学位级别：硕士

随着网络信息技术的飞速发展,用户评论内容的爆炸性增加,使得文本分类和整理工作变得越来越重要。面对海量的用户评论数据,只依靠单纯的传统技术进行计算和大数据分析已经无法解决实际应用的问题。因此,本文基于深度学习技术,利用双向... 详细信息

随着网络信息技术的飞速发展,用户评论内容的爆炸性增加,使得文本分类和整理工作变得越来越重要。面对海量的用户评论数据,只依靠单纯的传统技术进行计算和大数据分析已经无法解决实际应用的问题。因此,本文基于深度学习技术,利用双向门控循环单元和卷积神经网络的联合网络模型,提出了针对句子级文本情感分析和方面级文本情感分析的改进方案。针对句子级文本情感分析,本文构建了融合文本去噪和分段池化的句子级情感分析模型。在数据预处理阶段,加入文本去噪,通过提前处理数据集的方式来避免因不规范数据的干扰造成的语义特征提取困难的问题;在特征提取阶段,利用Bi GRU-CNN模型提取文本特征信息,在池化层采取分段池化的方法,既实现了文本降维,又尽可能多地保留了关键信息。本文模型在酒店评论和商品评论数据集上进行实验,结果表明,本文模型的准确率和F1值高于其他对比模型,证明了本文模型在句子级情感分析任务上的可行性。针对方面级文本情感分析,本文构建了基于双通道嵌入的方面级情感分析模型。在输入层采用双通道嵌入的方式,便于获取给定方面词的情感倾向。同时引入权重融合的过程,利用自注意力机制和传统注意力机制得到两方面的综合权重,既能获取文本中每个单词的权重大小,又能获取给定方面词和文本中各个单词的权重大小。本文模型在方面级酒店评论数据集上进行实验,结果表明,本文模型的准确率高于其他对比模型,证明了本文模型在方面级情感分析任务上的可行性。

关键词： BiGRU模型 CNN模型文本去噪分段池化双通道嵌入

基于BERT-BiGRU的多标签罪名预测方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于BERT-BiGRU的多标签罪名预测方法研究

作者：杨哲建大连海事大学

学位级别：硕士

近年来,人工智能技术和自然语言处理技术飞速发展,同时也推动着司法领域智能化发展的进程,人工智能不仅为智能司法提供了研究理论,也为更多智能司法技术的提出提供技术支持。罪名预测是智能司法领域的核心任务,也是自然语言处理领域的... 详细信息

近年来,人工智能技术和自然语言处理技术飞速发展,同时也推动着司法领域智能化发展的进程,人工智能不仅为智能司法提供了研究理论,也为更多智能司法技术的提出提供技术支持。罪名预测是智能司法领域的核心任务,也是自然语言处理领域的一个热门研究课题,由于罪名预测的目的是希望计算机通过学习司法领域知识,进而具有具有和人类法官、律师程度相当的判案的能力,对于案件文书文本能够给出对罪名的预测结果,因此罪名预测的目的是根据给定的案件文书文本进行自动预测案件中涉及的指控,并通过基于语义差异的词语对犯罪事实进行建模来完成预测。多标签罪名预测通常被看作司法领域的文本多标签分类问题,本文根据中国裁判文书网的公开电子文书开展多标签罪名预测研究,从深度学习建模和引入罪名语义注意力两方面改进多标签罪名预测方法。本文主要包括以下几个方面:(1)提出基于案件文书的多标签罪名预测模型(Multi-label Charge Prediction Based on Case Documents,BCDMCP)。案件文书文本内容输入BCDMCP模型后,首先通过BERT模型进行预训练用以获取每个文本的语义表示形式,可以得到字的向量表示形式;之后将字的向量表示输入到双向门控循环单元BiGRU中,通过神经网络分析和提取语义信息;再将BiGRU层输出的案件文书向量输入之注意力层,通过对不同语义向量赋予不同的权重突出重点关注的信息;最后将词向量通过Sigmoid层进行分类,并利用Sigmoid计算得到每个标签上的概率值,将概率值与阈值进行判断进而实现多标签罪名预测。(2)提出引入罪名语义注意力的罪名预测模型(Charge Semantic Attention Embedding Multi-label Charge Prediction,CSAMCP)。CSAMCP 模型将引入罪名文本进行罪名预测,首先将案件文书文本输入BERT模型进行预训练,用以获取案件文书文本的向量表示形式,之后将预训练的向量输入到双向门控循环单元神经网络中用以学习向量间的语义相关关系,同时罪名文本的词向量通过Glove获取,再将罪名文本的词向量与案件文书文本语义向量一同输入至注意力层,注意力机制可以有效的突出案件文书文本特征与罪名文本之间的突出关系,赋予重要信息更大的权重,以优化多标签分类效果,最终通过Sigmoid计算每个标签上的概率值,将概率值与阈值进行判断进而实现多标签罪名预测。

关键词：罪名预测深度学习注意力机制罪名语义向量多标签分类

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于WSN的煤矿安监系统路由算法研究

基于WSN的煤矿安监系统路由算法研究

作者：牛斌大连海事大学

学位级别：硕士

随着传感器技术和网络技术的不断发展,无线传感器网络越来越多的应用到人们的日常生产和生活当中,煤矿安全监测系统就是一个典型的应用。相比于传统的有线监测,使用无线方式进行组网监控有着许多的优点,不仅可以降低成本,而且具有很好... 详细信息

随着传感器技术和网络技术的不断发展,无线传感器网络越来越多的应用到人们的日常生产和生活当中,煤矿安全监测系统就是一个典型的应用。相比于传统的有线监测,使用无线方式进行组网监控有着许多的优点,不仅可以降低成本,而且具有很好的可扩展性。在矿井这样复杂的环境中,部署于其中的无线传感器网络路由协议必须具有很好的抗干扰性,同时能够均衡节点间的能量分布,以便尽可能的延长整个网络的生命周期。所以本文围绕无线传感器网络应用于煤矿安监系统中所涉及的路由算法展开相关研究工作。首先,本文研究了无线传感器网络的路由协议设计原则,同时分析了矿井环境的特点和CTP算法在这种环境中的表现,根据其表现提出了CTP算法存在的缺陷和改进之处。其次,本文针对CTP算法在矿井环境下的不足提出了O-ICTP算法。该算法是一种混合路由算法,在通常情况下运行ICTP算法,当满足一定的触发条件时,就会切换到机会路由算法。ICTP算法主要改善了CTP算法在节点均衡方面的表现,而机会路由算法能有效的提升其抗干扰性。通过一系列的触发条件,O-ICTP算法就将ICTP算法与机会路由算法有机的结合在了一起。最后,本文在NS2上对O-ICTP算法进行了模拟仿真实验。仿真实验结果表明,新算法吸取了两种算法各自的优点,不仅具有较好的抗干扰性,同时在面对网络拥塞和减少耗能方面有着很好的表现,基本达到了预期的效果。

关键词：无线传感器网络路由算法煤矿安全监测 O-ICTP算法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于数据融合的无线传感器网络低功耗研究

基于数据融合的无线传感器网络低功耗研究

作者：王俊领大连海事大学

学位级别：硕士

无线传感器网络是由成千上万传感器节点自组织成的网络,有效利用有限的资源把数据以多跳路由形式发送给观察者。具有成本低、多跳路由、体积小、无基础设施、自组织和无线通信的特点,由于无线传感器独特的优势,无线传感器网络在各个领... 详细信息

无线传感器网络是由成千上万传感器节点自组织成的网络,有效利用有限的资源把数据以多跳路由形式发送给观察者。具有成本低、多跳路由、体积小、无基础设施、自组织和无线通信的特点,由于无线传感器独特的优势,无线传感器网络在各个领域方面都得到了长足的发展和广泛的发展前景。无线传感器网络中相邻节点具有很大时空相关性,产生大量的冗余数据,如果数据不作处理的传输给用户,不仅使用户无法得到有效的数据而且在数据传输中严重浪费有限的能源,为解决这个问题数据融合技术应运而生,数据融合技术可以在网内对数据进行融合操作,提高了数据准确率,减少网内数据传输量,降低功耗,延长了网络的使用寿命,但截至目前为止,世上还没有一个数据融合技术适应全部的应用环境,由于无线传感器网络的特点决定了对无线传感器网络的研究必须以具体的应用环境作为载体,本文以森林预防火灾为具体应用环境,以低功耗,负载均衡为目标结合相关中心数据融合算法和分簇路由协议对无线传感器网络传输过程中的节能问题进行研究,创新点在于(1)实现降低功耗,负载均衡策略;(2)支持大范围的事发区域。主要工作如下： (1)研究分析无线传感器网络数据融合技术,并详细分析中心数据融合算法,针对其不足之处进行分析综合,探讨中心数据融合算法基于分簇路由协议的可行性。 (2)分析无线传感器的路由协议并进行研究,着重比较与分析基于泛洪法与基于分簇路由协议,探究两种算法的优缺点。 (3)以森林防火为环境,充分结合分簇路由协议的优点对中心数据融合算法进行改进,提出基于分簇的中心数据融合算法,降低功耗,实现负载均衡,进一步延长网络使用寿命。

关键词：无线传感器网络分簇路由协议数据融合低功耗能量均衡

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于免疫克隆算法的船舶远程故障诊断研究

基于免疫克隆算法的船舶远程故障诊断研究

作者：张国龙大连海事大学

学位级别：硕士

随着现代科学技术和制造工艺的飞速发展,船舶系统越来越系统化、大型化和复杂化,船舶设备在高负荷、大功率和恶劣环境下持续工作,不可避免地会出现各种各样的故障性问题,轻则延误正常的生产活动周期,重则危及船上人员的生命财产安全,造... 详细信息

随着现代科学技术和制造工艺的飞速发展,船舶系统越来越系统化、大型化和复杂化,船舶设备在高负荷、大功率和恶劣环境下持续工作,不可避免地会出现各种各样的故障性问题,轻则延误正常的生产活动周期,重则危及船上人员的生命财产安全,造成严重的经济损失和人员伤亡。采用故障监测及诊断系统可以及时发现船舶故障,并指导排除故障隐患,在很大程度上保证船舶设备安全、高效、稳定地运转,有效降低船舶设备事故率,延长船舶设备的使用寿命。本文围绕船舶远程故障诊断这一课题具体从以下几个方面展开研究。首先,探讨了目前船舶故障诊断相关的国内外研究现状,分析了传统船舶故障诊断方法的不足和局限性,并针对以往船舶故障诊断手段所存在的缺陷,结合船舶自身特点,提出船舶远程故障诊断方案,并论述了方案中的各技术细节及方案的整体可行性。其次,重点阐述了如何提高船舶故障诊断的准确性和诊断效率。为达到这一研究目的,引入人工免疫系统中的免疫克隆算法,为使算法更加适合处理船舶设备工况参数,对算法中的克隆变异算子进行了适当改进,增强了算法的逃逸能力和全局寻优能力。并且在数据的预处理阶段之后、正式应用免疫克隆算法对数据进行综合处理之前,对数据进行离散化和引入竞争机制的聚类处理,使得每个聚类(即每个小搜索局域)中的优秀抗体个体可以获得克隆扩增实现亲和力成熟的机会,提高了抗体群分布的多样性,使算法在深度和广度搜索之间取得了平衡,有效地避免了算法因陷入局部最优解而导致早熟收敛现象的出现,同时解决了算法收敛速度慢的问题,进而提高了船舶故障诊断的准确性。最后,将改进的免疫克隆算法应用于船舶故障诊断中,应用SQL Server 2005建立数据库,存储历史过程数据和故障规则知识库,采用MATLAB GUI作为系统界面开发工具,综合应用MATLAB中的Database工具箱,开发了一款简化的船舶远程故障诊断系统。并且经过实例分析,验证了本船舶远程故障诊断系统的实操性、有效性和准确性。

关键词：船舶故障诊断免疫克隆算法 MATLAB GUI

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

无线传感器网络节点的设计及在农业中的应用

无线传感器网络节点的设计及在农业中的应用

作者：宋立伟大连海事大学

学位级别：硕士

在我国这样一个人口众多的国家中,农业一直是一个非常重要的产业,要有效的利用有限的土地资源来养活不断增长的人口,必须努力提高农业生产的管理水平和生产效率。但长期以来,在我国大部分地区的农业生产中—直存在投入科技因素少,田间... 详细信息

在我国这样一个人口众多的国家中,农业一直是一个非常重要的产业,要有效的利用有限的土地资源来养活不断增长的人口,必须努力提高农业生产的管理水平和生产效率。但长期以来,在我国大部分地区的农业生产中—直存在投入科技因素少,田间管理相对落后等问题,严重制约了农作物产量的提高,更多情况是根据经验判断农作物生长状况以及土地的状况,对农作物及周围的生长环境的详细参数不能很好的把握,同时因为距离等原因不能实时的掌握农作物生长环境的状况,致使产量不能有较大的改善,与现代化农业生产不协调。无线传感器网络是由部署在监测区域内的大量传感器节点组成,能以无线方式实现自组网,还具有低成本、低功耗、分布式和自组织等特点。结合我国农业中存在的问题,提出一种将无线传感器网络运用于田间管理的方案,意在解决不能及时准确的了解农作物生长情况的弊端,使农业生产更加现代化,智能化。本设计主要通过无线网络将传感器采集的土壤和空气参数发送到汇聚节点分类存储,以供用户进行查询。系统一共分为两大部分：采集数据的终端节点,对数据进行汇总处理的汇聚节点。因终端节点安放在土地中,要求在气候恶劣的情况下仍能正常工作,基于此终端节点采用性能较好的CC2430无线模块,并以Zigbee协议为支撑,在其上实现ONE-WIRE和SDI-12接口,并与支持ONE-WIRE和SDI-12协议的温度、湿度、电导率等传感器连接并进行数据采集,所有数据的发送和命令的接收都是以无线的方式进行,解决了布线难、成本高等问题。而汇聚节点的核心是功能强大的PXA270处理器,在其上移植Linux操作系统,汇聚节点担负着数据的汇总处理任务,具备较强的控制管理能力、数据处理能力和存储能力,并在汇聚节点上实现GPRS通信,使数据可以远距离传输,方便用户查询。

关键词：无线传感器网络终端节点汇聚节点 ZigBee

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的推荐模型研究

基于深度学习的推荐模型研究

作者：贾晓芳大连海事大学

学位级别：硕士

大数据、云计算、人工智能等新技术的迅速发展,使得互联网应用层出不穷,导致网络数据呈现指数级的增长,大规模数据为各领域发展带来新的契机和危机。一方面,海量数据信息为推荐系统带来更多有价值的信息,另一方面,对于传统的协同过滤推... 详细信息

大数据、云计算、人工智能等新技术的迅速发展,使得互联网应用层出不穷,导致网络数据呈现指数级的增长,大规模数据为各领域发展带来新的契机和危机。一方面,海量数据信息为推荐系统带来更多有价值的信息,另一方面,对于传统的协同过滤推荐系统来说,已经难以满足用户的推荐需求。稀疏性问题、冷启动问题以及可解释性问题都是推荐系统尚待解决的问题。因此,需要新的技术更新替换传统技术才能有效地解决上述问题。传统协同过滤推荐因评分数据单一无法对推荐结果做出合理解释,后来从某一类辅助信息中提取有效隐含特征辅助推荐,虽然在一定程度上可以提高单域推荐的准确性,但是若要深入地挖掘用户与项目之间的复杂关系,需要研究在推荐系统中融入多源数据,并且研究使用新技术从多源数据中提取综合性特征,同时研究实现所提取的用户特征和项目特征的交互,计算预测评分。基于以上问题背景,本文提出一种融合多源数据的深度学习模型DCNNs用于推荐系统,具体研究工作有:（1）多源数据融入基于深度学习的推荐系统中。为了使推荐结果不受单源数据限制,解决推荐系统中的稀疏性问题和冷启动问题,研究从多源数据中获取用户和待推荐物品相关附属的标签、评论文本等数据,因此提出一种结合深广度结构特点的并行深度网络模型DCNNs,广度融合多源数据,深度使用深度学习模型学习隐含特征。（2）引入因子分解机实现用户特征与项目特征的交互。因子分解机可以对用户和项目特征两两组合,对于从多源数据中获取的隐含特征综合性比较好,利用因子分解机可以计算得到用户对某项目的综合预测评分,进而提升推荐结果的可解释性。通过对上述研究的实验验证,结果表明,DCNNs模型在RMSE和MAE指标上均优于所选的基线模型,并且能很好地缓解传统推荐系统固有问题。

关键词：深度学习推荐系统卷积神经网络因子分解机 Word2vec模型