检索结果-南通市图书馆

作者：任柯舟山西大学

学位级别：硕士

面对信息时代浪潮所带来数据过载的问题,个性化推荐系统应运而生。基于协同过滤的传统推荐算法大多基于集体智慧的思想,忽略了用户受年龄和环境影响带来的兴趣迁移问题,而序列推荐系统考虑用户交互列表中的顺序结构关系。同时如果只使... 详细信息

面对信息时代浪潮所带来数据过载的问题,个性化推荐系统应运而生。基于协同过滤的传统推荐算法大多基于集体智慧的思想,忽略了用户受年龄和环境影响带来的兴趣迁移问题,而序列推荐系统考虑用户交互列表中的顺序结构关系。同时如果只使用用户与项目评分矩阵,则在推荐过程中存在数据稀疏的问题,社会化推荐算法利用信息融合的技术,在基于矩阵分解的推荐算法的基础上通过融合社交信息来缓解数据稀疏问题。本文关注推荐模型中的数据稀疏问题及用户兴趣迁移带来的动态特征,从两个研究问题出发展开研究:用户兴趣迁移带来的社交关系的动态变化、朋友行为对用户影响的动态特性。本文的主要工作包括:(1)针对用户兴趣迁移带来的社交关系的动态变化,提出了一种基于社交行为融合的自注意力序列推荐模型,首先考虑用户的兴趣迁移问题,构建用户动态兴趣模型,然后每一时刻的用户行为聚合朋友信息,最后融合用户的动态兴趣和聚合后的朋友信息,并在两个数据集上与序列推荐模型进行对比验证,验证结果证明提出的SBFR模型能获得3%-8%的性能提升。(2)针对朋友行为对用户影响的动态特性,提出一种社交信息动态融合的社会化推荐模型,在社会化推荐的基础上,引入社交影响的动态特性,区分朋友不同时刻社交行为对用户的影响,并引入用户和朋友的长期兴趣。在稀疏数据集和稠密数据集上进行对比验证,实验结果显示在稀疏数据集上提出的模型有8.5%的提升,在稠密数据集上也能有3.7%的提升效果,表明考虑动态特性和长期兴趣使推荐结果更加准确。总体来看,本文围绕序列推荐中存在的数据稀疏问题,在考虑用户动态特性的基础上引入社交信息的来缓解数据稀疏。研究成果显示在考虑用户动态特征的基础上引入朋友的动态特征和静态特征能有效缓解数据稀疏问题,本文对进一步研究社交行为的动态融合具有一定的理论价值。

关键词：推荐系统序列推荐社会化推荐自注意力机制信息融合

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

动态融合社交信息的社会化推荐

引用

计算机应用 2021年第10期41卷 2806-2812页

作者：任柯舟彭甫镕郭鑫王喆张晓静山西大学大数据科学与产业研究院太原030006

针对推荐算法中的数据稀疏问题,通常引入社交数据作为辅助信息进行社会化推荐。传统的社会化推荐算法忽略用户的兴趣迁移,导致模型无法描述用户兴趣的动态变化特征,也忽略了社交影响的动态特性,导致模型将很久以前的社交行为与近期社交... 详细信息

针对推荐算法中的数据稀疏问题,通常引入社交数据作为辅助信息进行社会化推荐。传统的社会化推荐算法忽略用户的兴趣迁移,导致模型无法描述用户兴趣的动态变化特征,也忽略了社交影响的动态特性,导致模型将很久以前的社交行为与近期社交行为同等对待。针对这两点提出一种社交信息动态融合的社会化推荐模型SLSRec。首先,利用自注意力机制构建用户交互物品的序列模型,以实现对用户兴趣的动态描述;然后,设计具有时间遗忘的注意力机制对社交短期兴趣进行建模,并设计具有协同特性的注意力机制对社交长期兴趣进行建模;最后,融合社交的长短期兴趣与用户的短期兴趣来获得用户的最终兴趣并产生下一项推荐。利用归一化折损累计增益(NDCG)和命中率(HR)指标在稀疏数据集brightkite和稠密数据集Last.FM上把所提模型与序列推荐模型(自注意力序列推荐(SASRec)模型)和社会化推荐模型(社会推荐的神经影响扩散(DiffNet)模型)进行对比验证。实验结果显示,SLSRec模型与DiffNet模型相比,在稀疏数据集上的HR指标提升了8.5%;与SASRec模型相比,在稠密数据集上的NDCG指标提升了2.1%,表明考虑社交信息的动态特性使推荐结果更加准确。

关键词：推荐系统序列推荐社会化推荐注意力机制信息融合

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

一种基于社交行为融合的自注意力序列推荐模型

引用

小型微型计算机系统 2021年第9期42卷 1852-1858页

作者：彭甫镕任柯舟郭鑫马国帅赵鹏山西大学大数据科学与产业研究院太原030006 太原科技大学计算机科学与技术学院太原030024

与协同过滤相比,序列推荐能很好的捕捉用户兴趣偏移.在序列推荐中自注意力机制可以捕获长时间依赖关系,所以有很大优势,但是面对数据稀疏性问题,仍然难以获得较好结果.针对推荐系统的数据稀疏问题,借鉴社交推荐模型的社交关系融合思想,... 详细信息

与协同过滤相比,序列推荐能很好的捕捉用户兴趣偏移.在序列推荐中自注意力机制可以捕获长时间依赖关系,所以有很大优势,但是面对数据稀疏性问题,仍然难以获得较好结果.针对推荐系统的数据稀疏问题,借鉴社交推荐模型的社交关系融合思想,提出了一种基于社交行为融合的自注意力序列推荐模型(SBFR).该模型使用自注意力机制生成用户的动态兴趣,并根据朋友的历史行为再次使注意力机制生成社交兴趣,再将用户的动态兴趣和社交兴趣进行融合得到下一项推荐.该模型在序列信息的基础上融入用户的社交兴趣,能有效提升推荐性能.在两个数据集上与序列推荐模型(AttRec、SASRec)进行实验对比,实验结果表明本文提出的SBFR模型能获得3%-8%的性能提升.

关键词：推荐系统序列推荐自注意力机制社交融合社交推荐

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

浙江省成功举办微课程建设培训活动

引用

实验教学与仪器 2014年第7期31卷 123-123页

作者：杭舟

本刊讯 2014年6月6日．浙江省微课程建设培训活动在杭州举行。浙江省教育技术中心主任施建国、浙江省教研室副主任柯孔标出席会议。来自浙江省高校、中小学校、各级教育技术中心和教研系统近150名代表参加了该次培训。

关键词：培训活动课程建设浙江省教育技术中心成功省教研室中小学校副主任

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

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

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

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

在线全文

在线全文

在线全文

在线全文

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：