检索结果-南通市图书馆

检索条件"主题词=一阶元学习"

共 1 条记录，以下是1-10 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：

基于模型无关元学习的冷启动推荐方法研究

基于模型无关元学习的冷启动推荐方法研究

引用

作者：张子扬重庆理工大学

学位级别：硕士

随着信息技术的飞速发展,网络平台极大地便利了我们的生活。然而,这种爆炸式的信息增长也带来了信息过载的问题,大量无用数据充斥网络,使得用户难以从中筛选出有价值的内容。推荐系统作为应对信息过载的有效工具,能够根据用户的历史行... 详细信息

随着信息技术的飞速发展,网络平台极大地便利了我们的生活。然而,这种爆炸式的信息增长也带来了信息过载的问题,大量无用数据充斥网络,使得用户难以从中筛选出有价值的内容。推荐系统作为应对信息过载的有效工具,能够根据用户的历史行为和偏好,过滤掉无关信息,提供个性化的内容推荐。但是,当新用户或新项目加入时,推荐系统常因缺乏足够的交互数据而面临冷启动问题,难以生成准确的推荐。元学习作为一种新兴的解决方案,已被证明在解决推荐系统的冷启动问题上具有显著效果。本文旨在通过元学习算法优化推荐系统,特别是在异质信息网络上,探索如何高效挖掘结构和语义信息,以及如何识别元路径难以捕捉的用户隐含偏好。在常规数据集上,本文还关注了如何降低MAML元学习算法导致的过高的模型训练成本,以及如何更精细地捕捉用户偏好。本研究的主要贡献包括:(1)提出了一种新颖的基于元学习的多视图对比融合冷启动推荐算法(MVC-ML)。该算法在模型层面和数据层面双管齐下,有效缓解了冷启动问题。MVC-ML通过元路径视图提取异质信息网络的高阶语义信息,利用网络模式视图捕获网络结构特征,并通过聚类视图分析用户行为属性,挖掘元路径难以表达的用户偏好。通过对比学习方法,综合这三个视图中的信息,生成准确的表示向量。在DBook等数据集上的实验验证了MVC-ML算法的有效性。(2)针对元学习推荐模型中的用户爱好偏差和高训练成本问题,本文提出了一种基于一阶元学习的多监督者关联网络冷启动推荐算法(FO-MSAN)。通过引入FOMAML算法,将MAML中的二阶导数更新转换为一阶导数,降低了大型数据集上的模型训练成本,提高了训练效率。同时,构建了多监督者关联网络,通过多监督者网络生成用户的高质量表示,并通过关联网络对用户和物品进行细粒度建模,增强了特征表示,缓解了用户爱好偏差。在Movielens-100K等不同规模的数据集上的实验验证了FO-MSAN算法的有效性。

关键词：冷启动推荐异质信息网络一阶元学习对比学习元路径

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

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

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

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

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：