检索结果-南通市图书馆

作者：马昌胜华中科技大学

学位级别：硕士

随着Web 2.0技术的迅速发展,现在社会已经进入到一个信息爆炸的时代,信息过载已成为一个亟待解决的问题。推荐系统作为一种有效解决信息过载问题的方法在电商平台中得到广泛应用。现有的推荐系统大都基于协同过滤的方法,矩阵分解作为一... 详细信息

随着Web 2.0技术的迅速发展,现在社会已经进入到一个信息爆炸的时代,信息过载已成为一个亟待解决的问题。推荐系统作为一种有效解决信息过载问题的方法在电商平台中得到广泛应用。现有的推荐系统大都基于协同过滤的方法,矩阵分解作为一种典型的协同过滤方法,在个性化推荐中得到了广泛的应用。其中,通过神经网络将用户和商品映射到潜在的结构空间再进行评分预测的深度矩阵分解模型受到越来越多的关注。本文受到带偏置的矩阵分解(BiasedSVD)的启发,在模型中考虑用户和商品的偏置信息,提出了一种新的深度矩阵分解模型BDMF(Biased Deep Matrix Factorization)。首先利用用户对商品的显式评分和隐式反馈构建user-item交互矩阵作为编码,然后随机抽样一批用户和商品输入BDMF模型学习对应的隐语义,通过隐语义预测评分从而实现个性化推荐。同时本文进一步归纳得到BDMF和BiasedSVD具有相同的工作原理,并给出了形式化的推导过程。这就意味着BDMF可以视为BiasedSVD的深度神经网络实现方式。本文在真实数据集上进行了大量的实验,结果表明,BDMF的实验效果优于现有的最佳方法。同时使用控制变量法同与本文最相关的模型做对比试验,结果表明BDMF在不同变量下均有更好的表现。

关键词：个性化推荐带偏置的矩阵分解神经网络隐语义

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

面向用户偏好发现的隐变量模型构建与推理

引用

计算机应用 2017年第2期37卷 360-366页

作者：高艳岳昆武浩付晓东刘惟一云南大学信息学院昆明650504 昆明理工大学信息工程与自动化学院昆明650500

电子商务应用中产生了大量用户评分数据,而这些数据中富含了用户观点和偏好信息,为了能够从这些数据中准确地推断出用户偏好,提出一种面向评分数据中用户偏好发现的隐变量模型(即含隐变量的贝叶斯网)构建和推理的方法。首先,针对评分数... 详细信息

电子商务应用中产生了大量用户评分数据,而这些数据中富含了用户观点和偏好信息,为了能够从这些数据中准确地推断出用户偏好,提出一种面向评分数据中用户偏好发现的隐变量模型(即含隐变量的贝叶斯网)构建和推理的方法。首先,针对评分数据的稀疏性,使用带偏置的矩阵分解(BMF)模型对其进行填补;其次,用隐变量表示用户偏好,给出了基于互信息(MI)、最大半团和期望最大化(EM)算法的隐变量模型构建方法;最后,给出了基于Gibbs采样的隐变量模型概率推理和用户偏好发现方法。实验结果表明,与协同过滤的方法相比,该方法能有效地描述评分数据中相关属性之间的依赖关系及其不确定性,从而能够更准确地推断出用户偏好。

关键词：用户偏好评分数据贝叶斯网隐变量模型概率推理带偏置的矩阵分解

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

结合用户评论的深度矩阵分解模型

结合用户评论的深度矩阵分解模型

引用

作者：杜俊博华中科技大学

学位级别：硕士

随着互联网技术的迅速发展,大数据时代下信息过载的问题日益严重。能够提供个性化信息服务的推荐系统成为解决上述问题的主要技术,而其中的矩阵分解模型因其简单高效且准确度高得到了广泛的关注。传统的仅使用用户对商品评分信息的矩阵... 详细信息

随着互联网技术的迅速发展,大数据时代下信息过载的问题日益严重。能够提供个性化信息服务的推荐系统成为解决上述问题的主要技术,而其中的矩阵分解模型因其简单高效且准确度高得到了广泛的关注。传统的仅使用用户对商品评分信息的矩阵分解模型及其他协同过滤方法容易受到评分稀疏的影响而效果不佳。现实生活中,广泛存在于网络且容易获取的用户评论能一定程度反映用户的喜好和被评论商品的特征,因此结合评论文本的个性化推荐算法的研究为评分矩阵稀疏问题提供了一个有效的解决途径。受到Bias SVD思想的启发,采用深度矩阵分解模型的网络框架,结合用户评分及评论信息,提出了一种新的深度矩阵分解模型DMFCUR。该模型利用多层前馈神经网络从评分矩阵中学习到用户喜好和商品特征,利用带注意力机制的卷积神经网络从评论文本中学习到用户偏置和商品偏置,进而获得用户和商品对应的隐语义向量,然后将隐语义向量的乘积作为评分的预测值从而实现个性化推荐。同时通过形式化的说明解释了DMFCUR模型是Bias SVD的一种神经网络实现方式,为其有效性提供了理论依据。最后,在真实数据集上开展了大量的实验,结果表明提出的模型在数据十分稀疏的数据集上表现优于现有主流的方法。

关键词：个性化推荐神经网络深度矩阵分解带偏置的矩阵分解隐语义模型

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

面向稀疏评分数据中用户偏好发现的隐变量模型构建与推理

面向稀疏评分数据中用户偏好发现的隐变量模型构建与推理

引用

作者：高艳云南大学

学位级别：硕士

目前,最能体现互联网智能化发展的是发现用户偏好,即将信息有针对性地推送给用户,体现个性化服务。因此,人们更加关注通过分析用户在互联网上的行为,得到其偏好信息并挖掘其商业价值。例如,电子商务应用中产生了大量商品评分数据,这些... 详细信息

目前,最能体现互联网智能化发展的是发现用户偏好,即将信息有针对性地推送给用户,体现个性化服务。因此,人们更加关注通过分析用户在互联网上的行为,得到其偏好信息并挖掘其商业价值。例如,电子商务应用中产生了大量商品评分数据,这些数据中富含了大量的用户观点以及偏好信息,但是有些用户购买商品很少或者不进行评分,评分数据具有稀疏性。因此,如何从稀疏商品评分数据中准确地推断发现用户偏好,是个性化服务、精准定向和营销等的重要基础。贝叶斯网（BayesianNetwork,BN）是一种将概率统计应用于复杂领域、进行不确定性表示、推理和分析的工具,本文基于BN来描述评分数据中各属性之间的依赖关系及其不确定性表达。用户偏好客观存在,但往往并不能直接观测得到,可以用隐变量（Latent Variable）来表示用户偏好;由于BN只能描述可观测属性之间的不确定性依赖关系,而隐变量是值缺失的变量,无法利用极大似然估计（Maximum Likelihood Estimation,MLE）法计算其条件概率表（Conditional Probability Table,CPT）,使得基于BN的推理无法进行,为此本文引入隐变量模型（Latent Variable Model）来描述含隐变量的属性之间的不确定性,利用期望优化（Expectation Maximization,EM）算法计算隐变量的 CPT。针对以上问题,本文研究主要包括以下三方面的内容:（1）稀疏的商品评分数据中的隐变量模型构建。本文首先用带偏置的矩阵分解（Biased Matrix Factorization,BMF）模型来填补缺失评分值;然后基于互信息的方法构建商品属性贝叶斯网（Commodity BN,CBN）;最后基于最大半团和EM算法构建得到含隐变量的商品属性贝叶斯网（CBN with a Latent variable,CBNL）。（2）面向用户偏好发现的CBNL概率推理。针对构建好的CBNL模型,本文利用Gibbs采样给出了基于CBNL模型的近似概率推理算法,通过给定证据变量的取值来计算隐变量可能取值的不确定性,进而高效地发现用户偏好。（3）实验测试。我们使用MovieLens数据集来测试本文所提出方法的正确性和有效性。实验结果表明,本文基于隐变量模型利用Gibbs采样算法来近似推理发现用户偏好的方法具有一定的可行性。

关键词：用户偏好贝叶斯网隐变量模型概率推理带偏置的矩阵分解

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

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：