检索结果-南通市图书馆

检索条件"主题词=压缩交叉网络"

共 2 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：

基于信息融合的商品推荐算法的研究

基于信息融合的商品推荐算法的研究

引用

作者：闫良营华北水利水电大学

学位级别：硕士

随着电子商务的发展,商品推荐已经成为电商平台中的一个重要问题。目前,商品推荐系统的核心在于如何通过海量的用户行为数据和商品信息,为用户提供个性化、精准的商品推荐。然而,由于数据稀疏性和特征组合的问题,推荐系统面临着许多挑... 详细信息

随着电子商务的发展,商品推荐已经成为电商平台中的一个重要问题。目前,商品推荐系统的核心在于如何通过海量的用户行为数据和商品信息,为用户提供个性化、精准的商品推荐。然而,由于数据稀疏性和特征组合的问题,推荐系统面临着许多挑战。传统的推荐算法主要是基于协同过滤的方法,其准确率和鲁棒性受到了很大的限制。因此,研究新的推荐算法已成为当前研究的热点之一。信息融合是一种重要的解决方案,其旨在将多个数据源融合在一起,以提高推荐系统的性能和性能。本文旨在研究基于信息融合的商品推荐算法,通过融合不同的特征,提高推荐系统的性能。主要研究点如下:1、针对推荐系统中的数据稀疏性问题,本文提出基于历史交互行为信息和属性辅助信息的推荐模型。模型采用双自编码器对评分矩阵实现降维处理,通过自编码器隐藏层,得到用户和物品的隐表示特征;模型使用词嵌入向量和卷积神经网络对商品文本的前后信息加权处理,突出表示关键位置信息,提高提取文本特征的效率;模型利用深度神经网络,从用户和商品高维度的属性信息中挖掘到更稠密的特征表示。最后,模型通过多层感知机实现所有特征融合后的深度特征交互学习,以提高评分预测的准确性。2、针对推荐系统中的特征组合问题,本文提出基于多头自注意力的点击率预估模型。模型采用分组交叉和卷积式特征压缩方法,以向量级的显示方式学习高阶特征交叉信息。其次,在特征交叉模块中,残差连接将原始输入向量与多头自注意力网络生成的特征表示融合,输出有意义的高阶特征交互。最后,通过激活函数对融合后的输出特征进行估计,得到最终的点击率预估结果。该混合推荐模型利用了逻辑回归模型、压缩交叉网络和多头自注意力网络的优势,全面地考虑了不同因素对推荐模型的影响。总之,本文提出了两种基于信息融合的商品推荐算法。实验结果表明,这两种算法都能够显著提高商品推荐的准确度和多样性,为电商平台提供更好的推荐服务。未来的研究方向是进一步探索信息融合的方法,提高推荐算法的效率。

关键词：混合推荐算法自编码器多层感知机压缩交叉网络多头自注意力

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

融合深度学习与矩阵分解的推荐算法研究与应用

融合深度学习与矩阵分解的推荐算法研究与应用

引用

作者：李增晖河北工程大学

学位级别：硕士

随着互联网产业的繁荣,人们面对着海量的数据无法有效利用,面临着信息过载的问题。为了便于用户找到自己想找的信息,推荐系统作为一种解决方案被提出。推荐算法中,矩阵分解算法应用十分广泛。但该算法的训练仅依据现有的评分数据进行评... 详细信息

随着互联网产业的繁荣,人们面对着海量的数据无法有效利用,面临着信息过载的问题。为了便于用户找到自己想找的信息,推荐系统作为一种解决方案被提出。推荐算法中,矩阵分解算法应用十分广泛。但该算法的训练仅依据现有的评分数据进行评分预测,随着评分数据变得稀疏,算法的欠拟合程度越来越高,影响了最终的预测效果。本文针对矩阵分解算法面临的问题,完成了以下工作:（1）传统矩阵分解算法的实现过程仅仅对分解后得到的用户与项目隐向量进行线性交互从而预测评分,简单的线性交互方式造成了预测误差较大的问题。针对该问题,通过结合广义矩阵分解模型与神经网络协同过滤模型来融合用户与项目隐向量之间的线性交互与非线性交互信息,将融合后的模型命名为GNMF模型。随后通过对GNMF模型与融合前的两个模型在损失函数曲线以及多种评估指标上进行对比发现,融合线性与非线性交互信息后的GNMF模型效果得到明显提升。（2）GNMF模型效果虽比融合前的模型效果好,但欠拟合问题依然凸显。文中提出在GNMF模型的基础上通过结合深度学习推荐模型中组合模型的相关知识搭建了一个融合广义矩阵分解模块、神经网络协同过滤模块、有限阶特征交叉模块以及深度神经网络模块的组合模型,命名为DNGFC模型。DNGFC模型在原有GNMF模型的基础上通过加入有限阶特征交叉模块与深度神经网络模块来分别用于捕获用户与项目特征之间的不同类型的特征交叉信息作为补充,改善模型的预测效果。其中有限阶特征交叉模块分别使用了Cross网络、因子分解机以及压缩交叉网络进行了三次的模型组合。并采用电影公开数据集Movie Lens100K,通过十折交叉验证的方式对使用不同的有限阶特征交叉模块的DNGFC模型进行验证,并将Accuracy、F1-Score以及AUC作为模型的离线评价指标对模型之间的效果进行对比,最后发现结合压缩交叉网络的DNGFC模型效果表现最佳,在3种不同的指标上的表现都明显优于其他几种对比模型。（3）设计并实现一个基于Django的电影推荐系统,并将表现最佳的DNGFC模型应用于其中,从而验证该模型的工程适用性。

关键词：矩阵分解深度学习特征交叉压缩交叉网络电影推荐系统

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

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

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：